Geomorphological effectiveness of floods to rework gravel bars: Insight from hyperscale topography and hydraulic modelling
Notice bibliographique
Résumé
Abstract Bars are key morphological units in river systems, fashioning the sediment regime and bedload transport processes within a reach. Reworking of these features underpins channel adjustment at larger scales, thereby acting as a key determinant of channel stability. Despite their importance to channel evolution, few investigations have acquired spatially continuous data on bar morphology and sediment‐size to investigate bar reworking. To this end, four bars along a 10 km reach of a wandering gravel‐bed river were surveyed with terrestrial laser scanning (TLS), comparing downstream changes in slope, bed material size and channel planform. Detrended standard deviations (σ z ) were extracted from TLS point clouds and correlated to underlying physically measured median grain‐size ( D 50 ), across a greater range of σ z values than have hitherto been reported. The resulting linear regression model was used to create a 1 m resolution median grain‐size map. A fusion of airborne LiDAR and optical‐empirical bathymetric mapping was used to develop reach‐scale digital elevation models (DEMs) for rapid two‐dimensional hydraulic modelling using JFlow® software. The ratio of dimensionless shear stress over critical shear stress was calculated for each raster cell to calculate the effectiveness of a range of flood events (2.33–100 year recurrence intervals) to entrain sediment and rework bar units. Results show that multiple bar forming discharges exist, whereby frequent flood flows rework tail and back channel areas, while much larger, less frequent floods are required to mobilise the coarser sediment fraction on bar heads. Valley confinement is shown to exert a primary influence on patterns of bar reworking. Historical aerial photography, hyperscale DEMs and hydraulic modelling are used to explain channel adjustment at the reach scale. The proportion of the bar comprised of more frequently entrained units (tail, back channel, supra‐platform) relative to more static units (bar head) exerts a direct influence upon geomorphic sensitivity. © 2018 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 | 0,000 |
| 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 ».