ترجمه مقاله مقایسه چهار روش محاسبه آستانه انتقال رسوب بادی از روی داده میدانی - نشریه الزویر

ترجمه مقاله مقایسه چهار روش محاسبه آستانه انتقال رسوب بادی از روی داده میدانی - نشریه الزویر
قیمت خرید این محصول
۴۱,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
مقایسه چهار روش محاسبه آستانه انتقال رسوب بادی از روی داده میدانی: مفاهیمی برای پیش گویی انتقال و بحث درباره روند پیشرفت روش ها
عنوان انگلیسی
Comparison of four methods to calculate aeolian sediment transport threshold from field data: Implications for transport prediction and discussion of method evolution
صفحات مقاله فارسی
38
صفحات مقاله انگلیسی
14
سال انتشار
2011
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد ✓
کد محصول
8654
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر
ترجمه نشده است ☓
وضعیت ترجمه منابع داخل متن
به انگلیسی درج شده است ✓
رشته های مرتبط با این مقاله
جغرافیا و زمین شناسی
گرایش های مرتبط با این مقاله
ژئومورفولوژی و رسوب شناسی
مجله
ژئومورفولوژی - Geomorphology
دانشگاه
گروه جغرافیا، دانشگاه لتبریج، کانادا
کلمات کلیدی
انتقال رسوب بادی، آستانه، اندازه گیری ها، روش ها
۰.۰ (بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
1.مقدمه
2. مطالعه فیلدهای داده (مطالعه ی میدانی) و جمع آوری داده ها
2.1 منطقه مطالعاتی
2.2 روش های جمع آوری داده ها
3. روش های محاسبه آستانه
3.1 روش هم ارزی کسر زمانی
3.2 روش هم ارزی کسر زمانی گوسی
3.3 روش لحظه ای
3.4 روش رگرسیون
4. روش های پیش گویی انتقال جرم
5. نتایج
5.1 پیش گویی های انتقال جرم
5.2 تغییرات بازه اندازه گیری
6 بحث
6.1 قابلیت مقایسه و اعتبار آستانه های به دست آمده از TFEM و GTFEM
6.2 اعتبار آستانه به دست آمده از روش لحظه ای
6.3 اعتبار آستانه به دست آمده از روش رگرسیون
6.4 تغییرات بازه اندازه گیری
6.5 استراتژی های بالقوه برای پیگیری غیرقابل قیاس بودن آستانه
6.5.1 ایضاح (شفاف سازی) معنایی
6.5.2 استانداردسازی اندازه گیری آستانه
6.6. مفهوم سازی مجدد آستانه های مبتنی بر فیلدهای داده (یا داده های میدانی)
7. نتایج
نمونه چکیده متن اصلی انگلیسی
Abstract

Aeolian sediment transport threshold is commonly defined as the minimum wind speed (or shear stress) required for wind-driven sediment transport. Accurate and consistent quantification of this threshold is essential because it is an input variable in models used to predict wind erosion, dune activity, and dust emissions. The majority of threshold quantification has been performed with analogs (analytical models or wind tunnels); however, in the past few decades field-based approaches to threshold parameterization have become more common. Although several methods of calculating transport threshold from field data are available, their comparability is unknown. To address this issue we collected high resolution sediment transport and wind measurements (1 Hz) on an active sand dune for 11 days and compared four different methods of calculating threshold: (i) time fraction equivalence method (TFEM); (ii) Gaussian time fraction equivalence method (GTFEM); (iii) instantaneous method; and (iv) regression method. Time-paired measurements from the two most widely used methods (TFEM and GTFEM) were strongly correlated (r= 0.977); however, correlations between other methods varied (from r= 0.861 to r= 0.261). To demonstrate the implications of using different threshold calculation methods we predicted mass transport, which ranged from 63.6 (instantaneous method) to 126.6 kg per crosswind meter (regression method). This inconsistency suggests that the threshold calculation method could have an appreciable impact on transport predictions. Threshold values are similarly inconsistent when the measurement interval is modified. As such, we do not recommend comparing any measured threshold with another. We discuss several strategies that may mitigate the impact of this issue such as clarification of semantics and method standardization. We also discuss several criticisms of field-based threshold measurements and re-conceptualizations that could allow investigators to develop a better understanding of field-based measurements. Overall, results from this study could allow future investigators to improve threshold (and transport) predictions.

نمونه چکیده ترجمه متن فارسی
چکیده
آستانه ی انتقال رسوب بادی، معمولا به صورت حداقل سرعت باد (یا تنش های برشی) که برای انتقال رسوب مورد نیاز است، تعریف می شود.یک تعریف ثابت و دقیق از این آستانه ضروری است چون آن، یک متغیر ورودی در مدل هایی که برای پیش گویی فرسایش بادی، فعالیت تلماسه (ریگ روان)، و انتشار گردو غبار استفاده می شوند، می باشد. اکثریت تعاریف آستانه، به صورت قیاسی ایجاد شده اند (مدل های تحلیلی یا تونل های بادی)؛ با این حال، در چند دهه گذشته، روش های مبتنی بر فیلد (یا روش های میدانی) برای پارامتردهی آستانه معمول تر شده اند. اگرچه چندین روش، برای محاسبه ی آستانه ی انتقال از فیلدهای داده در دسترس هستند، اما قابلیت قیاس (یا قیاسی بودن) آنها نامشخص می باشد. برای پیگیری این موضوع، ما اندازه گیری هایی با قدرت تفکیک بالا را از انتقال رسوب و باد (1Hz) روی یک تپه شنی فعال به مدت 11 روز جمع آوری کردیم و 4 روش مختلف که برای محاسبه ی آستانه وجود داشت را با هم مقایسه کردیم: (i) روش هم ارزی کسر زمانی (TFEM)؛ (ii) روش هم ارزی کسر زمانی گوسی (GTEFM)؛ (iii) روش لحظه ای؛ و (iv) روش رگرسیون. اندازه گیری های جفت شده با زمان(TFEM و GTFEM)، از دو روشی هستند که به مقدار گسترده ای مورد استفاده قرار می گیرند که قویا همبسته هستند (r=0.977) با این حال، همبستگی بین سایر روش ها متفاوت می باشد (از r=0.861 تا r=0.261). برای اثبات (نشان دادن) دلالت های استفاده از روش های مختلف محاسبه ی آستانه ، ما پیش گویی کردیم که انتقال جرم، محدوده ای بین 63.6 (روش لحظه ای) تا 12606 کیلوگرم در هر متر باد مخالف (روش رگرسیون) داشته باشد. این تناقض پیشنهاد می کند که روش محاسبه ی آستانه می تواند دارای یک تاثیر محسوس روی پیش گویی های انتقال باشد. زمانی که بازه ی اندازه گیری تغییر داده می شود، مقادیر آستانه نیز متناقض هستند. از این رو، ما مقایسه ی یک آستانه ی اندازه گیری شده با موارد دیگر را توصیه نمی کنیم. ما درباره ی چندین استراتزی مختلفی که می تواند تاثیر این موضوع را کاهش دهند، مانند ایضاح (روشن سازی) معناشناسی و استاندارد سازی روش ها، بحث می کنیم. ما همچنین درباره ی چندین انتقادی که درباره ی اندازه گیری های آستانه از روی فیلدهای داده (یا داده های میدانی) وجود دارد، بحث می کنیم و تصور می کنیم که محققین این اجازه را دارند که یک روش بهتر را برای درک اندازه گیری های مبتنی بر فیلد داده ها (یا داده های میدانی) گسترش دهند. به طور کلی، نتایج به دست آمده از این مطالعه می تواند به انجام بررسی های بیشتر در آینده برای بهبود پیش گویی های آستانه (و انتقال) کمک کند.

بدون دیدگاه