MétaCan
Menu
Retour à la cohorte
Enregistrement W4405628365 · doi:10.1002/lno.12760

Propagules go with the flow: Near‐field particle dispersion in reaches with different hydrodynamic conditions

2024· article· en· W4405628365 sur OpenAlexafffundabout
Christopher Farrow, Loong‐Tak Lim, Josef Daniel Ackerman

Notice bibliographique

RevueLimnology and Oceanography · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Sediment Transport Processes
Établissements canadiensUniversity of Guelph
Organismes subventionnairesFisheries and Oceans CanadaNatural Sciences and Engineering Research Council of CanadaUniversity of Guelph
Mots-clésPropaguleDispersion (optics)Environmental scienceParticle (ecology)Flow (mathematics)MechanicsField (mathematics)Hydrology (agriculture)OceanographyGeologyPhysicsEcologyGeotechnical engineeringBiologyOpticsMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract We examined the effects of riverbed roughness and turbulence (shear velocity, ) on propagule dispersion in the near‐field region (< 100 m) by releasing microbead models of larval and juvenile unionid mussels in tributaries of the Grand River (Ontario, Canada). The Conestogo River had the roughest bed and highest mean , followed by the Grand and Speed rivers. We predicted more downstream transport with higher velocities and that longitudinal dispersion coefficients (Kx) would match the patterns in roughness and . The Conestogo River had the highest downstream particle flux and Kx as predicted by simple empirical equations. Inconsistent with model predictions, however, the Grand River had the lowest particle flux and Kx. These differences were greater than expected based on the small differences in reach‐averaged mean velocities between the Grand and Conestogo rivers. This mismatch between Kx predicted by simple empirical models and those fit to an advection–diffusion model was related to the inertial properties of the flow in the advective zone (i.e., near field) of the reaches. Streamwise, lateral, and especially vertical velocities at drift nets were spatially heterogeneous within and among reaches, demonstrating the influence of the flow direction on particle flux. Although bulk fluid statistics provided a useful indication of how dispersal distances vary among rivers, our results suggest that near‐field dynamics can be complex, requiring high‐resolution bathymetry and velocity data for the development of improved advection–diffusion models. Care should be exercised in predicting the dispersal of particles at ecologically relevant spatial scales in rivers.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,000
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 Opus0,004
Tête enseignante GPT0,189
Écart entre enseignants0,185 · 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

Citations2
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueLimnology and OceanographyMême sujetHydrology and Sediment Transport ProcessesTravaux en français237 207