MétaCan
Menu
Retour à la cohorte
Enregistrement W1637229386 · doi:10.1029/2001wr000330

Numerical modeling of gravel bed river response to meander straightening: The coupling between the evolution of bed pavement and long profile

2002· article· en· W1637229386 sur OpenAlexafffundabout
Tracey Talbot, Michel Lapointe

Notice bibliographique

RevueWater Resources Research · 2002
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Sediment Transport Processes
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMeander (mathematics)RectificationGeologyChannel (broadcasting)Sediment transportAggradationChannelizedGeotechnical engineeringHydrology (agriculture)WatershedHydraulicsSedimentDegradation (telecommunications)GeomorphologyEngineeringFluvialGeometry

Résumé

récupéré en direct d'OpenAlex

Artificial meander straightening (rectification) was conducted in the early 1960s along the Sainte‐Marguerite River, Canada, in order to facilitate highway construction along the valley. Previous studies [ Talbot and Lapointe , 2002 ] confirm that vertical reprofiling, coupled with pavement coarsening in the degrading reach, were the main responses counteracting the disequilibrium in gravel transport rates triggered at rectification of this system. Numerical simulations, using SEDROUT2.0, a one‐dimensional hydraulic and sediment transport model, and validated against the observed channel response, show the important role played by an advancing wave of pavement coarsening down the rectified reach in modulating the bed degradation response. Simulations extending into the future reveal an asymptotically slowing approach to equilibrium in the middle of the 21st century, with a response half‐time of the order of 10 years. In near‐threshold gravel bed systems like the Sainte‐Marguerite River, pavement coarsening after rectification buffers the system against extreme degradation. Most significantly for watershed management, this also appears to severely limit the extent of propagation of degradation upstream of the rectification.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,402
Score d'incertitude au seuil0,698

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,286
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations64
Publié2002
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueWater Resources ResearchMême sujetHydrology and Sediment Transport ProcessesTravaux en français237 207