The application of caesium‐137 measurements to investigate floodplain deposition in a large semi‐arid catchment in Queensland, Australia: a low‐fallout environment
Notice bibliographique
Résumé
Abstract Floodplains comprise geomorphologically important sources and sinks for sediments and associated pollutants, yet the sedimentology of large dryland floodplains is not well understood. Processes occurring on such floodplains are often difficult to observe, and techniques used to investigate smaller perennial floodplains are often not practical in these environments. This study assesses the utility of 137 Cs inventory and depth‐profile techniques for determining relative amounts of floodplain sedimentation in the Fitzroy River, northeastern Australia; a 143 000 km 2 semi‐arid river system. Caesium‐137 inventories were calculated for floodplain and reference location bulk soil cores collected from four sites. Depth profiles of 137 Cs concentration from each floodplain site and a reference location were recorded. The areal density of 137 Cs at reference locations ranged from 13 to 978 Bq m –2 (0–1367 Bq m –2 at the 95% confidence interval), and the mean value ± 2 (standard error of the mean) was 436 ± 264 Bq m –2 , similar to published data from other Southern Hemisphere locations. Floodplain inventories ranged from 68 to 1142 Bq m –2 (0–1692 Bq m –2 at the 95% confidence interval), essentially falling within the range of reference inventory values, thus preventing calculation of erosion or deposition. Depth‐profiles of 137 Cs concentration indicate erosion at one site and over 66 cm of deposition at another since 1954. Analysis of 239+240 Pu concentrations in a depositional core substantiated the interpretation made from 137 Cs data, and depict a more tightly constrained peak in concentration. Average annual deposition rates range from 0 to 15 mm. The similarity between floodplain and reference bulk inventories does not necessarily indicate a lack of erosion or deposition, due to low 137 Cs fallout in the region and associated high measurement uncertainties, and a likely influence of gully and bank eroded sediments with no or limited adsorbed 137 Cs. In this low‐fallout environment, detailed depth‐profile data are necessary for investigating sedimentation using 137 Cs. Copyright © 2009 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 | 0,001 | 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) | 0,000 | 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 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 ».