Selecting Color-based Tracers and Classifying Sediment Sources in the Assessment of Sediment Dynamics Using Sediment Source Fingerprinting
Notice bibliographique
Résumé
The use of sediment color as a fingerprint property to determine sediment sources is an emerging technique that can provide a rapid and inexpensive means of investigating sediment sources. The present study aims to test the feasibility of color fingerprint properties to apportion sediment sources within the South Tobacco Creek Watershed (74 km2) in Manitoba, Canada. Suspended sediment from 2009 to 2011 at six monitoring stations and potential source samples along the main stem of the creek were collected. Reflectance spectra of sediments and source materials were quantified using a diffuse reflectance spectrometry, and 16 color coefficients were derived from several color space models. Canonical discriminant analysis was used to reclassify and downsize sediment source groups. After the linear additive test and stepwise discriminant function analysis, four color coefficients were chosen to fit the Stable Isotope Analysis in R model. Consistent with the conventional fingerprinting approach, the color fingerprint results demonstrated a switch in the dominant sediment source between the headwaters and the outlet of the watershed, with the main sources being topsoil in the upper reaches, whereas outcrop shale and stream bank materials dominated in the lower reaches. The color fingerprinting approach can be integrated with conventional fingerprints (e.g., geochemical and fallout radionuclide properties) to improve source discrimination, which is a key component for source ascription modeling. We concluded that the use of color fingerprints is a promising, cost-effective technique for sediment source fingerprinting. Core Ideas Defining sources and testing the behavior of tracers are critical for sediment source apportionment. The predominant sources of river sediment varied at different reaches of the study creek. Integrating color and conventional fingerprinting techniques likely improves source apportionment. Color fingerprinting is a promising, cost-effective technique for sediment source ascription.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,000 | 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 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 ».