Assessing the Impact of Man–Made Ponds on Soil Erosion and Sediment Transport in Limnological Basins
Notice bibliographique
Résumé
The impact of ponds on basins has recently started to receive its well-deserved scientific attention. In this study, pond-induced impacts on soil erosion and sediment transport were investigated at the scale of the French Claise basin. In order to determine erosion and sediment transport patterns of the Claise, the Coordination of Information on the Environment (CORINE) erosion and Soil and Water Assessment Tool (SWAT) models were used. The impact of ponds on the studied processes was revealed by means of land cover change scenarios, using ponded versus pondless inputs. Results show that under current conditions (pond presence), 12.48% of the basin corresponds to no-erosion risk zones (attributed to the dense pond network), while 65.66% corresponds to low-erosion risk, 21.68% to moderate-erosion risk, and only 0.18% to high-erosion risk zones. The SWAT model revealed that ponded sub-basins correspond to low sediment yields areas, in contrast to the pondless sub-basins, which yield appreciably higher erosion rates. Under the alternative pondless scenario, erosion risks shifted to 1.12%, 0.52%, 76.8%, and 21.56% for no, low, moderate, and high-erosion risks, respectively, while the sediment transport pattern completely shifted to higher sediment yield zones. This approach solidifies ponds as powerful human-induced modifications to hydro/sedimentary processes.
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) | 0,001 | 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 ».