The geometry and complexity of spatial patterns of terrestrial channel networks: Distinctive fingerprints of erosional regimes
Notice bibliographique
Résumé
The morphology of channel networks related to long‐term erosion reflects the mechanisms involved in their formation. This study aims to identify quantitative metrics, drawn from topographic data and satellite imagery, that are diagnostic of the distinctive styles of erosion by rivers, glaciers, subglacial meltwater, and groundwater sapping. From digital elevation models, we identify three geometric metrics: the minimum channel width, channel aspect ratio (longest length to channel width at the outlet), and tributary junction angle. We also characterize channel network complexity in terms of its stream order and fractal dimension. To validate our approach, we perform a principal component analysis (PCA) on measurements of these five metrics on 70 channel networks. We build understanding of these results, in turn using scaling analyses of appropriate physical models. We show that rivers, glaciers, and groundwater sapping erode the landscape in rigorously distinguishable ways. Whereas rivers are characterized by nearly constant minimum width, variable aspect ratio, and high stream orders, glaciers have highly variable minimum widths and aspect ratios and much smaller stream orders. Erosion by subglacial meltwater remains poorly understood, and we argue that we require an additional metric to fully characterize these systems. Our methodology can more generally be applied to identify the contributions of different processes involved in carving a channel network. In particular, we are able to identify transitions from fluvial to glaciated landscapes or vice versa.
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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 ».