The measurement of mean wind, variances and covariances from an instrumented mobile car in a rural environment
Notice bibliographique
Résumé
Abstract. On 20 and 22 Aug 2019, a small tripod was outfitted with a sonic anemometer and placed in a highway shoulder to compare with measurements made on an instrumented car as it travelled past the tripod. The rural measurement site in this investigation was selected so that the instrumented car travelled past many upwind surface obstructions and experienced the occasional passing vehicle. To obtain an accurate mean wind speed and mean wind direction on a moving car, it is necessary to correct for flow distortion and remove the vehicle speed from the measured velocity component parallel to vehicle motion (for straight-line motion). In this study, the velocity variances and turbulent fluxes measured by the car are calculated using two approaches: (1) eddy-covariance and (2) wavelet analysis. The results show that wavelet analysis can better resolve low frequency contributions, and this leads to a reduction in the horizontal velocity variances measured on the car, giving a better estimate for some measurement averages when compared to the tripod. A wavelet–based approach to remove the effects of sporadic passing traffic is developed and applied to a measurement period during which a heavy–duty truck passes in the opposite highway lane; removing the times with traffic in this measurement period gives approximately a 10 % reduction in the turbulent kinetic energy. The vertical velocity variance and vertical turbulent heat flux measured on the car are biased low compared to the tripod. This low bias may be related to a mismatch in the flux footprint of the car versus the tripod, or perhaps related to rapid flow distortion at the measurement location on the car. When random measurement uncertainty is considered, the vertical momentum flux is found to be consistent with the tripod in the 95 % confidence interval, and significantly different than zero for most measurement periods.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».