The trapping efficiency of vegetation: wind tunnel investigation
Notice bibliographique
Résumé
Vegetation distributed a cross a surface provides significant protection against wind erosion in three ways. First, by extracting momentum form the wind flow reducing the shearing stress acting at the surface. Second, the vegetation shelters the surface from the erosive force of wind by covering a portion of the surface and finally, vegetation traps the soil particles in transport thereby acting as a catchment for sediment deposition, which was the core of this investigation. This study was conducted to directly measure the rates of sand deposition and sand flux within a range of roughness concentration and element characteristics in order to determine the range surface cover needed to effectively reduce sand transport. A series of porous uniformly spaced arrays of non-erodible roughness elements were used in this investigation. The elements used in this investigation were constructed as clusters of dieldrin rods, vertically oriented forming porous non-erodible elements that were cylindrical in overall shape. In agreement with previous studies, sand deposition within the arrays was strongly related to the roughness concentration ([lambda]). Similarly, the rate of sand deposition was influenced by porosity such that a decrease in porosity led to reduced sand deposition. In this study, the Guelph Laser Profiling System was used to generate surface elevation contour maps. The generated maps demonstrated that the lee-side deposition with the elements varied with element concentration, roughness geometry and the wind speed, with most deposition occurring at [lambda] = 0.28 with u'f' of 10.4ms -1. A non-dimensional parameter R'eff' is introduced to quantify the effectiveness of the elements on the surface.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».