High natural erosion rates are the backdrop for present-day soil erosion in the agricultural Middle Hills of Nepal
Notice bibliographique
Résumé
Abstract. Although agriculturally accelerated soil erosion is implicated in the unsustainable environmental degradation of mountain environments, such as in the Himalaya, the effects of land use can be difficult to quantify in many mountain settings because of the high and variable natural background rates of erosion. In this study, we present new long-term denudation rates, derived from cosmogenic 10Be analysis of quartz in river sediment from the Likhu Khola, a small agricultural river basin in the Middle Hills of central Nepal. Calculated long-term denudation rates, which reflect background natural erosion processes over 1000+ years prior to agricultural intensification, are similar to present-day sediment yields and to soil loss rates from terraces that are well-maintained. Similarity in short- and long-term catchment-wide erosion rates for the Likhu is consistent with data from elsewhere in the Nepal Middle Hills, but contrasts with the very large increases in short-term erosion rates seen in agricultural catchments in other steep mountain settings. Our results suggest that the large sediment fluxes exported from the Likhu and other Middle Hills rivers in the Himalaya are derived in large part from natural processes, rather than from soil erosion as a result of agricultural activity. Because of the high natural background rates, simple comparison of short- and long-term rates may not reveal unsustainable soil degradation, particularly if much of the catchment-scale erosion flux derives from mass wasting. Correcting for the mass wasting contribution in the Likhu implies minimum catchment-averaged soil production rates of ~0.25–0.35 mm yr−1. The deficit between these production rates and soil losses suggests that terraced agriculture in the Likhu may not be associated with a large systematic soil deficit, at least when terraces are well maintained, but that poorly managed terraces, forest and scrubland may lead to rapid depletion of soil resources.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».