Predicting the spatial mud energy and mud deposition boundary depth in a small boreal reservoir before and after draw down
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract We predicted the distribution of coarse- and fine-grained substrata in a small boreal lake at natural lake level and then assessed if the extents of sediment focusing due to water level manipulation could be predicted. The littoral substratum and upper limit to the distribution of mud was mapped completely prior to experimental draw down and the upper depth limit of mud was mapped in each of the first 2 years of a new water level regime. Six published equations for estimating the position of the mud boundary and the lower limit of surface wave energy were applied using maps of fetch, slope, and depth. At natural lake level, the agreement between observed and estimated mud boundaries in deep water was remarkable (<5 m horizontal). Agreement between the depth of mixing by surface waves and mud boundaries in shallow water was closest, at times exact, for equations with estimates similar to maximum wave height. However, the size of waves responsible for the shallow sediment boundaries remains unclear due to natural variation of lake level. All models overestimated energy in shallow depositional settings where exposure and slope was low. Refocusing of sediment due to maximum winter draw down of 3 m resulted in contraction and expansion of the profundal zone; a net decrease in area of 3% was evident after 2 years. Our results demonstrate that mud deposition models can be used in deep lake basins to map the littoral and profundal zones. Sediment refocusing in the first few years of winter draw down is forced mainly by falling lake levels. The interpretation of littoral habitat complexity can be simplified by understanding the lake-wide spatial pattern of erosion, transport, and deposition of sediments.
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.
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 | 0,001 |
| 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 découle