A laboratory study of the impact of varying air-water heat flux on supercooling and frazil ice generation
Notice bibliographique
Résumé
The formation and evolution of frazil ice during river freeze-up is a key source for anchor ice and surface ice formation, both of which significantly impact river hydrology. Anchor ice formation on the riverbed may lead to flooding and accumulations on water intake trash racks may completely block inflows to water treatment plants. Numerous previous laboratory studies have investigated frazil ice generation during classic supercooling events which occur when the upward air-water heat flux remains constant. However, frazil generation when the heat flux varies during a supercooling event, which occurs commonly in the field, has not been explored in laboratory studies. To investigate this phenomenon, a series of controlled laboratory experiments were conducted in which variations in the air-water heat flux were induced by controlling the air temperature during the experiments. Images of frazil particles and flocs were captured while the air temperature was increased or decreased by 10 °C at different times during supercooling events. Varying the heat flux during different supercooling phases led to different responses in the time series of water temperature and frazil ice properties. Increasing the heat flux raised the mean particle number concentration by 25–33 %. Decreasing the heat flux only produced a measurable effect when the change occurred early in the supercooling event, prior to significant ice formation, reducing mean particle and floc number concentrations by 10 and 22 %, respectively. Particle and floc production rates varied by approximately a factor of two when the heat flux was increased or decreased prior to significant ice formation.
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 ».