MétaCan
Menu
Retour à la cohorte
Enregistrement W4392732513 · doi:10.1002/cjce.25198

Droplet deposition of agrochemical spraying: Comparison of results from a random‐walk model and <scp>CFD</scp> simulations

2024· article· en· W4392732513 sur OpenAlexvenueno aff
Carlos A. Renaudo, Verónica Bucalá, Diego E. Bertín

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Surface Properties and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesUniversidad Nacional del SurConsejo Nacional de Investigaciones Científicas y Técnicas
Mots-clésNozzleComputational fluid dynamicsDragMechanicsLagrangian particle trackingDeposition (geology)BuoyancyRandom walkEulerian pathSimulationMeteorologyEnvironmental scienceMaterials sciencePhysicsEngineeringMathematicsMechanical engineeringLagrangianGeologyStatisticsApplied mathematics

Résumé

récupéré en direct d'OpenAlex

Abstract The effectiveness of agricultural spraying processes depends considerably on the ability of the atomized droplets to reach the target site in the desired amount. In this work, two mathematical models to study the trajectories and deposition of atomized droplets are implemented and compared. On the one hand, a computational fluid dynamics (CFD) coupled with discrete phase model (DPM) is implemented to calculate the trajectories of atomized droplets and determine distances at which the droplets are deposited. The continuous phase (atmospheric air) is modelled by continuity, momentum, and energy equations. On the other hand, a Lagrangian random‐walk (LRW) model based on force and energy balances to predict the pulverization process of a nozzle is formulated and implemented in Python. Both models take into account the effects of drag, gravity, buoyancy, and evaporation on individual droplets, as well as the impact of atmospheric stability and dispersion. By tracking a large number of trajectories, meaningful estimates of dispersal statistics can be obtained. The LRW model accurately replicated the trajectories, deposition distances, and final diameters of atomized droplets for three atmospheric stability cases, compared with CFD simulation results. The results of both models agreed that 100 μm droplets were most susceptible to wind‐induced spray drift, depositing at the furthest distances from the nozzle. In addition, 50 μm droplets exhibited a significant tendency to evaporate entirely before reaching the ground. The LRW model is found to be a cost‐effective alternative for estimating spray drift compared to the computationally intensive CFD approach.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,019
Tête enseignante GPT0,201
Écart entre enseignants0,182 · 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'étudeSimulation ou modélisation
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

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetPlant Surface Properties and TreatmentsTravaux en français237 207