MétaCan
Menu
Retour à la cohorte
Enregistrement W4414213745 · doi:10.1029/2024wr039242

A Unified Flow Resistance Formula for Open‐Channels With Natural and Engineered Submerged Obstacles

2025· article· en· W4414213745 sur OpenAlexaff
Xingyu Chen, Tao Wang, Jiamei Wang, Hongbo Ma, Marwan A. Hassan, Xudong Fu

Notice bibliographique

RevueWater Resources Research · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Sediment Transport Processes
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesChina Postdoctoral Science FoundationTsinghua UniversityNational Natural Science Foundation of China
Mots-clésFlumeStandard deviationObstacleMetric (unit)Surface finishFlow (mathematics)Flow resistanceHydraulic roughnessFlow velocity

Résumé

récupéré en direct d'OpenAlex

Abstract Stream obstacles, naturally formed like boulders or engineered like weirs, are the major source of flow resistance; however, to quantify their flow resistance, a resistance formula needs to be selected in accordance with the specific obstacle type, that is obstacle type dependency. So far, a unified resistance formula that adequately characterizes the roughness of distinctive obstacle types remains elusive. Here, we conduct flume experiments with various natural and engineered submerged obstacles, including boulders, weirs, log jams, and transverse stones. We combine them with existing data sets containing rigid vegetation, step‐pool, and riffle‐pool to identify a unified metric for a general resistance relation. We test three roughness metrics, the widely used roughness metric D 84 (84th percentile of bed grain size distribution), a bathymetric‐line‐based metric σ z,centerline (the standard deviation of bed centerline elevation), and a 3D‐bathymetry‐based σ z,bed (the standard deviation of elevation of the entire bed) as bed roughness, respectively. σ z,bed is adopted to incorporate the roughness inhomogeneity in the transverse direction which widely exists in both natural and engineered channels, complementing the insufficiency of line‐based metric σ z,centerline . Using 3‐fold cross validation, we show that the resistance formula based on σ z,bed demonstrated a more consistent and superior velocity prediction capacity than those based on D 84 and σ z,centerline in predicting velocity across almost all obstacle types. Interestingly, when applied to channels with submerged rigid vegetation, the resistance formula based on only σ z,bed can compare with those based on multiple vegetation characteristic parameters. This study shows the viability of unifying the flow resistance formula in open‐channels with submerged obstacles, avoiding obstacle‐type dependency.

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)0,006
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 enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
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 Opus0,022
Tête enseignante GPT0,285
Écart entre enseignants0,263 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Resources ResearchMême sujetHydrology and Sediment Transport ProcessesTravaux en français237 207