Reach‐scale contributions of road‐surface sediment to the Honna River, Haida Gwaii, BC
Notice bibliographique
Résumé
Abstract Gravel road surfaces can be a major source of fine sediment to streams, yet their contribution to channel reach sediment balances remains poorly documented. To quantify the input of road surface material and to compare this input with natural sediment sources at the reach scale, suspended sediment dynamics was examined and a 16‐month sediment balance was developed for a ~35 channel‐width (approx. 425 m) reach of the Honna River, a medium‐size, road‐affected stream located in coastal British Columbia. Of the 105 ± 33 t of suspended material passing through the reach, 18 ± 6% was attributed to the road surface. The high availability of sediment on the road surface appears to limit hysteresis in road run‐off. During rainstorms that increase streamflow, road surface material composed 0.5–15% of sediment inputs during relatively dry conditions from April to the end of September and 5–70% through wetter conditions from October to the end of March, but our data do not show evidence of major sediment accumulation on the riverbed in the reach. A comparison of modelled sediment production on the road surface with observed yields from drainage channels suggests that (1) during low intensity rainfall, ditches and drainage channels may trap sediment from road run‐off, which is subsequently released during events of greater intensity, and/or (2) production models do not effectively describe processes, such as deposition or erosion of sediment in ditches, which control sediment transport and delivery. Our findings further emphasize the risk of unpaved roads in polluting river systems and highlight the continued need for careful road design and location away from sensitive aquatic environments. Copyright © 2016 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 | 0,000 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».