Interplay between convection and wind in driving surface mixing in the Xiangjiaba Reservoir, China
Notice bibliographique
Résumé
Near-surface processes in lakes and reservoirs strongly influence basin-scale circulation, mixing, and ecosystem functioning. While wind- and convection-driven mixing are recognized in lakes, their individual and interactive contributions in morphologically complex reservoirs remain insufficiently quantified. Using high-frequency temperatures in a large reservoir, we identified three mixing regimes during autumn cooling through the scale comparisons between convection (Thorpe scale: LT) and wind (Monin-Obukhov: LMO): convective, wind-dominated mixing, and diurnal stratification. A diurnal-scale thermocline often developed under net heat input, suppressing vertical mixing, but was disrupted when either convective or wind intensified. Strong convection occurred under sustained surface heat loss (LT ≫ LMO), producing turbulence dissipation rates (εConvection ~ 10‒8–10‒7 W/kg), exceeding wind-driven values (εWind) by an order of magnitude. Conversely, wind forcing dominated (LMO ≫ LT), yielding εWind~10⁻7 W/kg. The mixed layer deepening correlated with w*3, but not with shear velocity. These findings refine mechanistic understanding of reservoir hydrodynamics and support ecologically sustainable management.
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 | 0,004 | 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 | 0,000 |
| 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 ».