MétaCan
Menu
Retour à la cohorte
Enregistrement W4214504411 · doi:10.3390/w14050743

Drag Coefficient of Submerged Flexible Vegetation Patches in Gravel Bed Rivers

2022· article· en· W4214504411 sur OpenAlexafffund
Kourosh Nosrati, Hossein Afzalimehr, Jueyi Sui

Notice bibliographique

RevueWater · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Sediment Transport Processes
Établissements canadiensUniversity of Northern British Columbia
Organismes subventionnairesUniversity of British ColumbiaShiraz University
Mots-clésDrag coefficientDragVegetation (pathology)GeologyFlow (mathematics)Hydrology (agriculture)Reynolds numberGeotechnical engineeringEnvironmental scienceSoil scienceGeomorphologyMechanicsTurbulencePhysics

Résumé

récupéré en direct d'OpenAlex

Vegetation patches and strips either along riverbanks or in channel beds are essential for the protection of erosion and sedimentation processes. In the present study, the drag coefficient Cdv of submerged flexible vegetation patches in gravel bed rivers was investigated. A total of 13 vegetation patches with different densities were studied in disparate reaches of the Padena Marbor and Beheshtabad gravel bed rivers in Iran. Water depths, flow velocities, and particle grain sizes around these vegetation patches were collected. The Saint-Venant equation and various empirical equations for estimating the drag coefficient were applied to study hydrodynamics in the presence of vegetation patches under nonuniform flow conditions. Furthermore, the drag coefficient factor of flexible vegetation was used to represent the flexibility of vegetation patches and drag characteristics, which were explored from the perspective of material mechanics. The results showed that the calculated values of Cdv exhibited nonuniform variations with the increase in the Reynolds number along the streamwise direction due to flow nonuniformity. Two effects caused by flexible vegetation patches were observed, namely, the sheltering effect (for Red>580) and blockage effect (for Red<450). In most of the vegetated patches, the sheltering effect was dominant, which reduced the drag coefficient. Finally, a fitting formula was proposed based on the drag coefficient factor and Cauchy number.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,518
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,009
Tête enseignante GPT0,201
Écart entre enseignants0,192 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetHydrology and Sediment Transport ProcessesTravaux en français237 207