Large wood transport and jam formation in a series of flume experiments
Notice bibliographique
Résumé
Abstract Large wood has historically been removed from streams, resulting in the depletion of in‐stream wood in waterways worldwide. As wood increases morphological and hydraulic complexity, the addition of large wood is commonly employed as a means to rehabilitate in‐stream habitat. At present, however, the scientific understanding of wood mobilization and transport is incomplete. This paper presents results from a series of four flume experiments in which wood was added to a reach to investigate the piece and reach characteristics that determine wood stability and transport, as well as the time scale required for newly recruited wood to self‐organize into stable jams. Our results show that wood transitions from a randomly distributed newly recruited state to a self‐organized, or jam‐stabilized state, over the course of a single bankfull flow event. Statistical analyses of piece mobility during this transitional period indicate that piece irregularities, especially rootwads, dictate the stability of individual wood pieces; rootwad presence or absence accounts for up to 80% of the variance explained by linear regression models for transport distance. Furthermore, small pieces containing rootwads are especially stable. Large ramped pieces provide nuclei for the formation of persistent wood jams, and the frequency of these pieces in the reach impacts the travel distance of mobile wood. This research shows that the simulation of realistic wood dynamics is possible using a simplified physical model, and also has management implications, as it suggests that randomly added wood may organize into persistent, stable jams, and characterizes the time scale for this transition.
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) | 0,001 | 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 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 ».