Impacts of Floods on Organic Carbon Concentrations in Alluvial Soils along Hydrological Gradients Using a Digital Elevation Model (DEM)
Notice bibliographique
Résumé
This study examines the spatial distribution of the organic carbon found in alluvial soils affected by successive floods. In flood zones, very little is known of the processes associated with the development of soils subjected to frequent flooding, in particular with respect to the accumulation of litter and organic carbon concentrations. The aim of this study is to better understand the distribution of organic carbon based on various hydrological gradients associated with flood recurrence. A digital elevation model was developed from LIDAR data to assess the microtopography of the site, and further delineate floodplains and no-flood zones. Various soil properties were considered in addition to organic carbon, such as pH, soil bulk density, litter, drainage, and topographic levels (elevation). The results show that the soils in the frequent-flood zones (FFz, recurrence of 0–20 years) have significantly less total organic carbon than the soils in the no-flood zones (NFz) and the moderate flood zones (MFz, 20–100 years). Average values obtained for the surface horizons (0–20 cm) vary by 1.74% ± 0.85% (FFz), 3.34% ± 1.09% (MFz) and 3.54% ± 1.77% (NFz), respectively. The absence of ground litter in the frequent flood zones helps decrease the input of organic matter in the surface horizons and progressively results in soil depletion.
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) | 0,000 | 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 ».