MétaCan
Menu
Retour à la cohorte
Enregistrement W3112425510 · doi:10.1002/esp.5059

Mechanisms for avulsion on alluvial fans: Insights from high‐frequency topographic data

2021· article· en· W3112425510 sur OpenAlexafffund
Anya Leenman, Brett Eaton

Notice bibliographique

RevueEarth Surface Processes and Landforms · 2021
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeological formations and processes
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of British Columbia
Mots-clésAvulsionGeologyAlluvial fanChannel (broadcasting)GeomorphologyAlluviumStructural basinComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Avulsion is a key process in building alluvial fans, but it is also a formidable natural hazard. Based on laboratory experiments monitored with novel high‐frequency photogrammetry, we present a new model for avulsion on widely graded gravel fans. Previous experimental studies of alluvial fans have suggested that avulsion occurs in a periodic autogenic cycle, that is thought to be mediated by the gradient of the fan and fan‐channel. However, those studies measured gradients at low spatial or temporal resolutions, which capture temporally or spatially averaged topographic evolution. Here, we present high‐resolution (1 mm), high‐frequency (1‐minute) topographic data and orthophotos from an alluvial fan experiment. Avulsions in the experiment were rapid and, in contrast to some previous experimental studies, avulsion occurrence was aperiodic. Moreover, we found little evidence of the back‐filling observed at coarser temporal and spatial resolutions. Our observations suggest that avulsion is disproportionately affected by sediment accumulation in the channel, particularly around larger, less mobile grains. Such in‐channel deposition can cause channel shifting that interrupts the autogenic avulsion cycle, so that avulsions are aperiodic and their timing is more difficult to predict.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,435
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,025
Tête enseignante GPT0,221
Écart entre enseignants0,196 · 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 tête enseignante, pas un consensus.

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

Citations28
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEarth Surface Processes and LandformsMême sujetGeological formations and processesTravaux en français237 207