Dune Geometry and the Associated Hydraulic Roughness in the Fluvial to Tidal Transition Zone of the Fraser River at Low River Flow
Notice bibliographique
Résumé
Abstract In deltas and estuaries throughout the world, a fluvial‐to‐tidal transition zone (FTTZ) exists where both the river discharge and the tidal motion drive the flow. It is unclear how dune characteristics are impacted by changes in tidal flow strength, and how this is reflected in the hydraulic roughness. To understand dune geometry and variability in the FTTZ and possible impacts on hydraulic roughness, we assess dune variability from multibeam bathymetric surveys, and we use a calibrated 2D hydrodynamic model (Delft3D‐FM) of a sand‐bedded lowland river (Fraser River, Canada). We focus on a period of low river discharge during which tidal impact is strong. We find that the fluvial‐tidal to tidal regime change is not directly reflected in dune height, but local patterns of increasing and decreasing dune height are present. The fluvial‐to‐tidal regime change is reflected in dune shape, where dunes have lower leeside angles and are more symmetrical in the tidal regime. The calibrated model allows to estimate local patterns of dune heights using tidally averaged values of bed shear stress. However, the spatially variable dune morphology hampers local dune height estimation. Changes in dune shape do not significantly impact the reach‐scale roughness, and estimated dune roughness using dune height and length is similar to the dune roughness inferred from model calibration. Hydraulic model performance with a calibrated, constant roughness is not improved by implementing dune‐derived bed roughness. Instead, the data analysis revealed that large‐scale river morphology may explain differences in model roughness and corresponding estimates from dune predictors.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».