Effects of Submerged Vegetation Arrangement Patterns and Density on Flow Structure
Notice bibliographique
Résumé
Aquatic vegetation appears very often in rivers and floodplains, which significantly affects the flow structure. In this study, experiments have been conducted to investigate the effects of submerged vegetation arrangement patterns and density on flow structure. Deflected and non-bending vegetation is arranged in square and staggered configurations in the channel bed of a large-scale flume. Results showed that the staggered configuration leads to intensified streamwise velocity, turbulence kinetic energy (TKE), and Reynolds shear stress (RSS) compared to the square configuration. When vegetation density is low (λ = 0.04 and λ = 0.07), the produced wake in the rear of the vegetation is more expansive than that with high vegetation density (λ = 0.09 and λ = 0.17) because the velocity in the center of four vegetation elements is lower than that in the middle of two vegetation elements with low vegetation density. Results of TKE in the wake zone of the deflected vegetation indicate that the maximum root-mean-square velocity fluctuations of flow occur at the sheath section (z/H = 0.1) and the top of the vegetation (z/H = 0.4). In the wake zone behind the vegetation elements, the maximum value of the RSS occurred slightly above the interface between deflected vegetation and the non-vegetation layer, showing the Kelvin–Helmholtz instability that is associated with inflectional points of the longitudinal velocity. Within the range of vegetation density in this study (0.04 < λ ≈< 0.23), as the vegetation density increases, the negative and positive values of RSS throughout the flow depth increase.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 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 tête enseignante, 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 ».