MétaCan
Menu
Retour à la cohorte
Enregistrement W4413023061 · doi:10.1029/2024wr038024

Wind‐Induced Versus Plume‐Induced Inter‐Basin Exchange—Resolving Causal Influences in Plume‐Lake Modeling

2025· article· en· W4413023061 sur OpenAlexaboutno aff
Jean Carvalho Toledo, Francisco J. Rueda, John C. Little, Cintia L. Ramón

Notice bibliographique

RevueWater Resources Research · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensnon disponible
Organismes subventionnairesDivision of Chemical, Bioengineering, Environmental, and Transport SystemsUniversidad de GranadaNational Science Foundation
Mots-clésPlumeEnvironmental scienceStructural basinAtmospheric sciencesPanacheGeologyClimatologyMeteorologyGeomorphologyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Bubble‐plumes are commonly used in lake restoration to alleviate problems associated with hypolimnetic hypoxia. In lakes with multiple basins separated by sills, bubble‐plumes have been used locally to boost oxygen levels in individual basins. However, they have the potential to affect inter‐basin exchange leading to unexpected results. Our goal is to assess the relative importance of natural versus plume forcing as drivers of exchange. This is critical to evaluate the field‐scale performance of bubble‐plume systems. We hypothesize that the contribution of bubble‐plumes as drivers of inter‐basin oxygen transport depends on the depths of detrainment and maximum plume rise relative to sill level (plume geometry). To test this hypothesis, 1D integral bubble‐plume models coupled to a 3D‐hydrodynamic model are applied to simulate the performance of an oxygenation system installed in 1990 in the north basin of Amisk Lake, Canada. Sources of uncertainty in bubble‐plume modeling, associated with model assumptions and parameter values (structural and parametric uncertainty), are systematically analyzed, and their effect on plume‐structure and inter‐basin exchange predictions are quantified. The effects of plume forcing on exchange rates and patterns are only significant as the equilibrium depth rises above the sill. For the prevailing conditions in the study case and the most widely accepted plume model, this occurs with low probability. More plausibly (for most parameter combinations), the plume injects oxygen below the sill, the oxygenated water being transported by internal waves between basins. Solid conclusions on the dominant drivers of large‐scale transport arise in attribution studies accounting for model uncertainty.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,085
Score d'incertitude au seuil0,169

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,071
Tête enseignante GPT0,319
Écart entre enseignants0,248 · 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'étudeSimulation ou modélisation
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 revueWater Resources ResearchMême sujetOceanographic and Atmospheric ProcessesTravaux en français237 207