Disco Gravel: Image-based bedload tracking in shallow water flume experiments
Notice bibliographique
Résumé
Previous experiments on the restoration of sediment cover in semi-alluvial channels with irregular boundaries have shown that coarse size fractions of the bedload are dispersed faster over a bare bed than the finer fractions, and that the coarse fraction helps to build a set of skeleton bars that are later covered by finer sediment. Unsteady flow experiments in the same channel confirmed these trends over a bed of mobile sediment and further indicate strong spatial gradients in bedload transport and deposition. Despite these advances, a methodological gap remains in the tracking of bedload sediment during the experiments. In this study we advance a tracking technique for obtaining vectors of particle displacements during unsteady flow experiments. Methods involve painting the coarsest three sediment fractions with different colours of fluorescent paint and illuminating a region of interest within the flume with ultraviolet lights (wavelength 400-410 nm) during the experiment, which results in the painted gravel appearing in bright neon colors while the water remains transparent and dark (i.e. the ‘Disco’). We use a Panasonic BGH1 camera recording at 60 fps and a resolution of 1080 x 1920 pixels to film a region of interest in the channel roughly 0.25 m wide 1.0 m long. With this technique we are able to identify the displacements of the two coarsest size fractions. For the third size fraction the tracers were too numerous and too small to be tracked with confidence. Analysis of the videos occurred in three steps: 1) color segmentation to isolate the size class of interest, 2) application of TracTrac algorithm (Heyman, 2019) to identify particle paths, and 3) post-processing to reduce two types of error. The errors are likely related to the irregular water surface, which can result in particles appearing to ‘vibrate’ in place when they are not moving, and also result in a continuous tracer path being broken into a series of shorter discontinuous paths. Overall the technique appears to be useful for characterizing spatial variability at the threshold of motion and delimiting preferential transport pathways. Future improvements in resolution and tracer concentration should help to reduce the minimum size of tracer that can be tracked with confidence.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».