Transport and settlement of organic matter in small streams
Notice bibliographique
Résumé
Summary 1. After it enters streams, terrestrially derived organic matter (OM) rapidly absorbs water. Using field and laboratory experiments, we examined how this process affected the buoyancy, settling velocity, transport distance and retention locations of four types of organic matter typically found in Pacific coastal streams (‘flexible’ red alder leaves and three ‘stiff’ particle types – Douglas‐fir needles, red cedar fronds and Douglas‐fir branch pieces). 2. Immersion in water rapidly changed the physical characteristics of alder leaves, Douglas‐fir needles and red cedar fronds, which all reached constant still‐water settling velocities after only a few days of soaking. In contrast, the settling velocity of branch pieces continued to increase for 13 days, eventually reaching much higher values than any other OM type. Dried alder leaves became negatively buoyant after only two days of immersion, while other types took substantially longer (up to 24 days) before the specific gravity of all particles was >1. 3. We released saturated OM particles in an experimental channel and found that all particle types travelled further in a fast, shallow ‘riffle’ than a slow, deep ‘pool’. Comparisons with a passive settlement null model indicated that leaves were retained more rapidly than expected in the riffle (by large protruding stones), while the three stiff particle types travelled further than expected (probably due to turbulent suspension) and were retained when they settled in deeper water between larger stones. In pools, passive settlement appeared to dominate the retention of all OM types, with leaves travelling furthest. 4. These retention patterns corresponded well with those observed when saturated OM particles collected in the field were released in two pools and two riffles in a second‐order coastal stream. 5. When the experimental channel and in‐stream data were combined, the retention rates of the three stiff OM types were closely related to calculated Rouse numbers (Rouse number = particle settling velocity/shear velocity), whereas the retention rate of alder leaves was not. This suggests that different physical mechanisms are responsible for the retention of leaves and stiff OM types in shallow streams.
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 | 0,000 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».