MétaCan
Menu
← Retour à la cohorte
Enregistrement W4375868265 · doi:10.22541/au.168347215.58609909/v1

An Analysis of the Thermal Regime and Energy Balance of a Subarctic Hydroelectric Reservoir Using Direct Measurements of Surface and Lateral Exchanges

2023· preprint· en· W4375868265 sur OpenAlexaff
Adrien Pierre, Daniel F. Nadeau, Antoine Thiboult, Alain N. Rousseau, François Anctil, Charles P. Deblois, Maud Demarty, Pierre‐Erik Isabelle, Alain Tremblay

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensHydro-QuébecUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésThermoclineHydroelectricityOutflowEnvironmental scienceAdvectionEnergy balanceHydrology (agriculture)Stratification (seeds)Latent heatEddy covarianceTemperature gradientAtmospheric sciencesGeologyClimatologyMeteorologyOceanographyEcosystemGeographyEcology

Résumé

récupéré en direct d'OpenAlex

The thermal regime of hydroelectric reservoirs differs from that of lakes, as it is influenced not only by natural inflows and outflows of energy, but also by management rules through regulated downstream constraints and more importantly the electric demand through turbine flows. These advection terms are rarely assessed for hydroelectric reservoirs particularly in eastern North America, a region where they are abundant. This study contributes, using a series of unique observations, to the assessment of the water and energy balances of the 85-km 2 Romaine-2 northern reservoir (50.69°N; 63.24°W) with an average depth of 44 m. Two thermistor chains were deployed to monitor the dynamics of the vertical temperature profiles from 2018 to 2022. The surface energy balance components were measured using two eddy-covariance stations. Summer stratification occurs from June to November, and winter stratification from December to May. The maximum water temperature gradient of the metalimnion was 1°C m –1 in mid-September, and the maximum depth of the thermocline was 35 m in late October, before the autumn mixing period. We found that the water balance of the reservoir was mainly controlled by turbine operations, with a hydraulic residence time of 5.4 months. Net radiation was found to be the main source of energy to the reservoir (95.6% of the energy input), and the net advection of heat was weak (4.4%) in a steady state reservoir. Latent (58.5%) and sensible (16.5%) heat fluxes dominated the outflow energy balance. In short, this study highlights that the heat advection term represents a small fraction of the annual energy budget for the subarctic reservoir under study, despite being the dominant term in its water budget.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0000,000

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 Opus0,038
Tête enseignante GPT0,233
Écart entre enseignants0,195 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWater resources management and optimization→Travaux en français237 207→