MétaCan
Menu
Retour à la cohorte
Enregistrement W2580627074 · doi:10.1002/2016wr019260

The pulse of driftwood export from a very large forested river basin over multiple time scales, Slave River, Canada

2017· article· en· W2580627074 sur OpenAlexaboutno aff
Natalie Kramer, Ellen Wohl, Brooke Hess‐Homeier, Stephen J. Leisz

Notice bibliographique

RevueWater Resources Research · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Sediment Transport Processes
Établissements canadiensnon disponible
Organismes subventionnairesBHF Centre of Research Excellence, Oxford
Mots-clésChannel (broadcasting)SlumpingHydrology (agriculture)Environmental scienceFlux (metallurgy)Artifact (error)Structural basinPhysical geographyMagnitude (astronomy)Drainage basinGeologyGeographyGeomorphologyCartography

Résumé

récupéré en direct d'OpenAlex

Abstract This study presents a case study of large wood transport on the great Slave River in northern Canada with the objective to better understand the processes of and variability in pulsed wood fluxes from large forested catchments. We use a varied approach, integrating field characterization of wood, historical anecdotes, repeat aerial imagery of stored wood, and time‐lapse imagery of moving wood, for a robust analysis and synthesis of processes behind pulsed wood flux, from yearly uncongested export to rare congested wood floods. Repeat monitoring of known sites of temporary storage with new or historic imagery proved to be a very useful tool for constraining wood flux histories. Pulsed wood export on the Slave River is not an artifact of episodic recruitment from major up‐basin disturbances, but rather reflects decadal‐ to half‐century‐scale discharge patterns that redistribute wood recruited from channel migration and bank slumping. We suggest that the multiyear flow history is of paramount importance for estimating wood flux magnitude, followed in declining importance by the yearly sequence of peaks and the magnitude and characteristics of the rising limb of individual floods.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,214
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,002
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,256
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations46
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Resources ResearchMême sujetHydrology and Sediment Transport ProcessesTravaux en français237 207