Impact of storm surge and power peaking on tidal-fluvial processes in microtidal Neretva River estuary
Notice bibliographique
Résumé
This study investigates the interactions between tides, storm surge, river flow, and power peaking in the microtidal Neretva River estuary, Croatia. Based on the existing NS_Tide tool, the study proposes a new non-stationary harmonic model adapted for microtidal conditions, which incorporates linear storm surge, as well as linear and quadratic river discharge terms. This model enhances the NS_Tide’s ability to accurately predict water levels from tide-dominated sections downstream to discharge-dominated areas upstream. River discharge was identified as the dominant factor for predicting stage levels at most stations, while the influence of storm surge, though consistent, decreased upstream. Strong tide-river interactions were observed throughout the study domain, with the stationary tidal component consistently contributing to water level fluctuations at all location and minimal influence from the tide-surge interaction component. Simulations using the STREAM numerical model were also used to isolate the variability in water levels caused by power peaking. These simulations demonstrated that high-frequency discharge fluctuations due to hydropower plant operations amplify the S 1 constituent in upstream river sections and modulate the amplitudes of other tidal constituents in the estuarine and tidal river sections. The proposed method proved highly effective in the microtidal context of the Neretva River and shows potential for adaptation to mesotidal and macrotidal systems. • New formulation of non-stationary tidal harmonic analysis, specially adapted for microtidal estuaries. • Decomposed contribution of river, storm surge, tides, and their interactions in microtidal estuaries. • Estimation of power peaking effects on tidal constituents in microtidal settings.
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) | 0,000 | 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 | 0,000 |
| 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 ».