MétaCan
Menu
← Retour à la cohorte
Enregistrement W4408431348 · doi:10.5194/egusphere-egu25-12905

Automated Salt Dilution Instream Q (ASDIQ) with Image Velocimetry (IV): It Looks Like a Salty Marriage

2025· preprint· en· W4408431348 sur OpenAlexaff
Gabriel Sentlinger, Jean-Christophe Poisson, Antoine Patalano, SM Mackay

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Sediment Transport Processes
Établissements canadiensGeological Survey of Canada
Organismes subventionnairesnon disponible
Mots-clésDilutionSalt (chemistry)VelocimetryParticle image velocimetryImage (mathematics)GeologyEnvironmental scienceComputer scienceHydrology (agriculture)ChemistryGeographyPhysicsComputer visionOpticsMeteorologyGeotechnical engineeringThermodynamics

Résumé

récupéré en direct d'OpenAlex

Salt Dilution (SD) is an accurate, safe, relatively inexpensive and easily employed method to measure water flow in turbulent streams and rivers. It has been used in some form for over 100 years and continues to experience a renaissance with refined methods and improved technologies. However.. SD is challenging in less turbulent flows without “complete” lateral mixing, and also requires a continuous estimate of water level or other proxy to generate a continuous hydrograph. Image Velocimetry (IV, Large Particle IV or Space Time IV), on the other hand, has been used for more than 20 years to estimate the flow in more placid rivers and streams without making contact with the water, using high resolution video to measure the surface velocity. However.. apriori estimates of the surface (VS) to bulk (VB) velocity ratio (k) is required, as well as the channel wetted area (A).In this research we examine whether we can marry the two technologies to create a comprehensive automated flow measurement system to span all flow regimes from turbulent to placid, by removing the need for apriori knowledge in the case of IV, and using continuous imagery as the proxy flow estimate in the case of SD. SD measures Q; IV measures VS; this method combines the two using the equation Q = VS*k*A to estimate continuous Q, as well as an estimate of surface to bulk velocity ratio (k), and wetted area (A).The method/system has the potential to replace conventional stations that rely on expensive and dangerous site visits and error prone water level sensor proxies. The results of our preliminary investigations are presented for 3 test stations.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,006

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 Opus0,007
Tête enseignante GPT0,235
Écart entre enseignants0,228 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHydrology and Sediment Transport Processes→Travaux en français237 207→