MétaCan
Menu
Retour à la cohorte
Enregistrement W2889880514 · doi:10.1051/e3sconf/20184002008

Using tree-rings to determine large wood residence time and transport pulses in a gravel-bed river

2018· article· en· W2889880514 sur OpenAlexaffabout
Maxime Boivin, Thomas Buffin‐Bélanger, Dominique Arseneault

Notice bibliographique

RevueE3S Web of Conferences · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Sediment Transport Processes
Établissements canadiensUniversité LavalUniversité du Québec à RimouskiUniversité du Québec à Chicoutimi
Organismes subventionnairesnon disponible
Mots-clésFluvialFlood mythHydrology (agriculture)Environmental scienceResidenceResidence time (fluid dynamics)Physical geographyForestryGeologyGeographyArchaeologyGeomorphologyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

The Saint-Jean River (SRJ) in Eastern Canada is prone to the formation of very large rafts of wood. Managers of the SJR suspected these jams to influence salmon migration and carried out a dismantling operation to remove large wood accumulated in a 1.2 km long wood raft. This operation became a great opportunity to address key issues relating to large wood dynamics in a fluvial system: residence time and flood contribution to wood recruitment and transport. During the dismantling, we systematically sampled 319 trees from which year of death could be estimated from dendrochronology and year of accumulation in the raft could be obtained from satellite and aerial photos. These two dates allowed us to quantify the residence time for 262 datable large wood (LW) within the fluvial system, to examine the peak years of LW recruitment and to correlate the raft growth rate with hydrometeorological conditions since 1993. The results also emphasized four types of LW flood related to wood dynamics: 1) an erosive flood that produces a large amount of wood in river, 2) a mobilizing flood that carries large quantities of wood, 3) a flood mix that both recruits and transports large quantities of wood, and 4) an ice-breakup flood.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,023
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,022
Tête enseignante GPT0,252
Écart entre enseignants0,229 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueE3S Web of ConferencesMême sujetHydrology and Sediment Transport ProcessesTravaux en français237 207