Modelling changes in suspended sediment from forest road surfaces in a coastal watershed of British Columbia
Notice bibliographique
Résumé
Erosion from logging road surfaces, cut slopes, banks, and ditches represents a chronic source of sediment input to streams that can degrade aquatic habitats. Road surface erosion is of particular concern because the magnitude of sediment generation when traffic levels are high can be large. Current models for predicting sediment production from roads require information on area-specific sediment delivery, which is not often available. Here, we developed a model to quantify suspended sediment concentrations (SSC) generated by forest roads surfaces under different conditions of use and density. This model is designed for a typical medium-size coastal watershed of British Columbia or the American Pacific Northwest, and was applied to the Chilliwack River watershed as a case study. The results illustrate that intensive use of forest roads combined with high road density can increase the number of extreme sedimentation events over a predetermined threshold. A comparison of the effects of road density and the level of road use suggests that the level of road use is more important than the road density for the generation of fine sediment from road surfaces. However, the model omits the impact of roads on mass movements in a watershed, which represent a major source of sediment in steep watersheds, so the effect of road density is likely more substantial than the model predicts. The model is an attempt to overcome field data limitations by using an empirical relation between SSC and traffic variables, and presents a starting point for more intensive field studies that could be used to validate it. Copyright © 2013 John Wiley & Sons, Ltd.
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) | 0,002 | 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 ».