A unified flow resistance formula for open-channels with natural and engineered submerged obstacles
Notice bibliographique
Résumé
Stream obstacles, naturally formed like boulders or engineered like weirs, are the major source of flow resistance; however, to quantify their flow resistance, a resistance formula needs to be selected in accordance with the specific obstacle type, i.e. obstacle type dependency. So far, whether a unified resistance formula that adequately characterizes the roughness of distinctive obstacle types is elusive. Here, we conduct flume experiments with various natural and engineered submerged obstacles, including boulders, weirs, log jams, and transverse stones. We combine them with existing datasets containing rigid vegetation, step-pool, and riffle-pool to identify a unified metric for a general resistance relation. We test three roughness metrics, the widely used roughness metrics D84 (84th percentile of bed grain size distribution), a bathymetric-line-based metric σz,centerline (the standard deviation of bed centerline elevation), and the new metric σz,bed (the standard deviation of elevation of the entire bed) as bed roughness, respectively. σz,bed is proposed to incorporate the roughness inhomogeneity in the transverse direction which widely exists in both natural and engineered channels, complementing the insufficiency of line-based metric σz,centerline. We show that the resistance equation based on σz,bed demonstrated a more consistent and superior velocity prediction capacity than D84 and σz,centerline throughout almost all types of obstacles. Interestingly, when applied to vegetated channels, the resistance formula based on only σz,bed can compare with those based on multiple parameters related to vegetation characteristics. This study shows the viability of unifying the flow resistance formula in open-channels with submerged obstacles, avoiding obstacle-type dependency.
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) | 0,001 | 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 | 0,001 |
| 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 ».