Gully prevention and control: Techniques, failures and effectiveness
Notice bibliographique
Résumé
Abstract Gully erosion is a major environmental problem, posing significant threats to sustainable development. However, insights on techniques to prevent and control gullying are scattered and incomplete, especially regarding failure rates and effectiveness. This review aims to address these issues and contribute to more successful gully prevention and control strategies by synthesizing the data from earlier studies. Preventing gully formation can be done through land use change, applying soil and water conservation techniques or by targeted measures in concentrated flow zones. The latter include measures that increase topsoil resistance and vegetation barriers. Vegetation barriers made of plant residues have the advantage of being immediately effective in protecting against erosion, but have a short life expectancy as compared to barriers made of living vegetation. Once deeply incised, the development of gullies may be controlled by diverting runoff away from the channel, but this comes at the risk of relocating the problem. Additional measures such as headcut filling, channel reshaping and headcut armouring can also be applied. To control gully channels, multiple studies report on the use of check dams and/or vegetation. Reasons for failures of these techniques depend on runoff and sediment characteristics and cross‐sectional stability and micro‐environment of the gully. In turn, these are controlled by external forcing factors that can be grouped into (i) geomorphology and topography, (ii) climate and (iii) the bio‐physical environment. The impact of gully prevention and control techniques is addressed, especially regarding their effect on headcut retreat and network development, the trapping of sediment by check dams and reduction of catchment sediment yield. Overall, vegetation establishment in gully channels and catchments plays a key role in gully prevention and control. Once stabilized, gullies may turn into rehabilitated sites of lush vegetation or cropland, making the return on investment to prevent and control gullies high. © 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».