MétaCan
Menu
Retour à la cohorte
Enregistrement W4411249010 · doi:10.3390/w17121758

Bed Load Transport in Channels with Vegetated Banks

2025· article· en· W4411249010 sur OpenAlexaff
Esmaeil Dodangeh, Hossein Afzalimehr, Jueyi Sui

Notice bibliographique

RevueWater · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Sediment Transport Processes
Établissements canadiensUniversity of Northern British Columbia
Organismes subventionnairesnon disponible
Mots-clésBed loadEnvironmental scienceHydrology (agriculture)Geotechnical engineeringGeologySediment transportGeomorphologySediment

Résumé

récupéré en direct d'OpenAlex

Estimating bed load in rivers is a critical aspect of river engineering. Numerous methods have been developed to quantify bed load transport, often yielding varying results depending on the bed surface texture and grain size. This study aims to investigate how vegetation on channel banks and bed material particle size influence bed load transport, bed shear stress, velocity distribution, and the Shields parameter. It also examines the impact of geometric changes in the channel cross-section on bed load transport capacity. To address these objectives, a novel simulation method was developed to analyze the effects of vegetated banks, bed material size, and channel geometry. Field investigations were carried out in two reaches of the Taleghan River in Iran—one with vegetated banks and one without. Complementary flume experiments were conducted at two scales, incorporating vegetation on the sidewalls. Results showed that Shields parameter distribution corresponded with bed load distribution across cross-sections. Increase in flow rate and the Shields parameter led to higher bedload transport rates. Near vegetated banks, flow velocity, shear stress, and bedload transport were significantly reduced, with velocity profiles showing distinct variations compared to non-vegetated sections.

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)0,000
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 enseignants0,011
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
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 Opus0,005
Tête enseignante GPT0,194
Écart entre enseignants0,190 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetHydrology and Sediment Transport ProcessesTravaux en français237 207