MétaCan
Menu
Retour à la cohorte
Enregistrement W4367595465 · doi:10.1029/2022gl101919

How Fast or How Many? Sources of Intermittent Sediment Transport

2023· article· en· W4367595465 sur OpenAlexaff
Santiago Benavides, Eric Deal, Jeremy G. Venditti, R. W. Bradley, Qiong Zhang, Ken Kamrin, J. Taylor Perron

Notice bibliographique

RevueGeophysical Research Letters · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Sediment Transport Processes
Établissements canadiensBC Hydro (Canada)Simon Fraser University
Organismes subventionnairesDEVCOM Army Research LaboratoryNational Aeronautics and Space Administration
Mots-clésIntermittencyFlumeFlux (metallurgy)SedimentSediment transportGrain sizeGeologyMagnitude (astronomy)Soil scienceEnvironmental scienceAtmospheric sciencesHydrology (agriculture)GeomorphologyMechanicsPhysicsGeotechnical engineeringTurbulenceFlow (mathematics)Materials science

Résumé

récupéré en direct d'OpenAlex

Abstract Near the threshold of grain motion, sediment transport is “on‐off” intermittent, characterized by large but rare bursts separated by long periods of low transport. Without models that can account for the effects of intermittency, measurements of average sediment flux can be in error by up to an order of magnitude. Despite its known presence and impact, it is not clear whether on‐off intermittency arises from the grain activity (the number of moving grains) or grain velocities, which together determine the sediment flux. We use laboratory flume experiments to show that the on‐off intermittency has its origins in the velocity distributions of grains that move by rolling along the bed, whereas grain activity is not on‐off intermittent. Incorporating the types of intermittency we identify into stochastic models of sediment transport could yield improved predictions of sediment flux, including physically based estimates of the uncertainty in time‐averaged sediment flux.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,034
Tête enseignante GPT0,285
Écart entre enseignants0,251 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetHydrology and Sediment Transport ProcessesTravaux en français237 207