Best practices for estimating turbulent dissipation from oceanic single-point velocity timeseries observations
Notice bibliographique
Résumé
Abstract. We provide best practices for estimating the dissipation rate of turbulent kinetic energy, ε, from velocity measurements in an oceanographic context. These recommendations were developed as part of the Scientific Committee on Oceanographic Research (SCOR) Working Group #160 "Analyzing ocean turbulence observations to quantify mixing". The recommendations here focus on velocity measurements that enable fitting the inertial subrange of wavenumber velocity spectra. The method examines the measurable range for this method of dissipation rates in the ocean, seas, and other natural waters. The recommendations are intended to be platform-independent since the velocities may be measured using bottom-mounted platforms, platforms mounted beneath the ice, or platforms directly on mooring lines once the data is motion-decontaminated. The procedure for preparing the data for spectral estimation is discussed in detail, along with the quality control metrics that should accompany each estimate of ε during data archiving. The methods are applied to four 'benchmark' datasets covering different flow regimes and two instrument types (acoustic-Doppler and time of travel). Problems associated with velocity data quality, such as phase-wrapping, spikes, measurement noise, and frame interference, are illustrated with examples drawn from the benchmarks. Difficulties in resolving and identifying the inertial subrange are also discussed, and recommendations on how these issues should be identified and flagged during data archiving are provided.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,028 | 0,125 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,011 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,006 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,011 |
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 source (Gemma direct ou Codex distillé), 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 ».