Hillslope sediment fence catch efficiencies and particle sorting for post‐fire rain storms
Notice bibliographique
Résumé
Abstract Sediment fences are often used to monitor hillslope erosion, but these can underestimate sediment yields due to overtopping of runoff and associated sediment. We modified four sediment fences to collect and measure the runoff and sediment that overtopped the fence in addition to the sediment deposited behind the fence. Specific objectives were to: (1) determine the catch efficiency of sediment fences measuring post‐fire hillslope erosion; (2) assess particle sorting of sand, silt/clay, and organic matter from each hillslope through the sediment fence and subsequent runoff collection barrels; (3) evaluate how catch efficiency and particle size sorting relate to site and rainfall‐runoff event characteristics; and (4) use runoff simulations to estimate sediment fence volumes for future post‐fire monitoring. Catch efficiency ranged from 28 to 100% for events and 38 to 94% per site for the entire sampling season, indicating a relatively large underestimation of sediment yields by sediment fences. Most of the eroded sediment had similar proportions of sand and silt/clay as the hillslope soils, but the sediment behind the fence was significantly enriched in sand while the sediment that overtopped the fence was more strongly enriched in silt/clay. The sediment fences had capacities of 3 m 3 for hillslopes of 0.19–0.43 ha, but simulations of runoff for 2‐ to 100‐year storms indicate that the sediment fences would need a capacity of up to 240 m 3 to store all of the runoff and associated sediment. More accurate measurements of sediment yields with sediment fences require either increasing the storage capacity of the sediment fence(s) to accommodate the expected volume of runoff and sediment, reducing the size of the contributing area, or directly measuring the runoff and sediment that overtop the fence. © 2020 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 ».