Pool‐Riffle Adjustment Due to Changes in Flow and Sediment Supply
Notice bibliographique
Résumé
Abstract How do gravel bed pool‐riffle streams adjust to changing upstream water and bedload sediment supplies, and what analysis techniques can help to effectively identify how change occurs? Here, we use a mixture of field and experimental data to examine these problems and apply a suite of traditional and novel analysis approaches to highlight dynamics which might otherwise go undetected. Eleven years of monitoring channel morphology in a small forested watershed indicate that pool‐riffles persist through large changes in upstream water and bedload supply and that bed architecture relief is correlated to flow magnitude. A flume experiment consisting of eight runs was conducted to examine the field case in more detail. The experimental design splits the eight runs into four runs of relatively high water and sediment supply and four of relatively low water supply, with no upstream sediment supply. Experimental results corroborate the field‐based measurements of pool‐riffle persistence, which is due to a coupling between downstream width variations, and spatial patterns of flow velocity and bedload transport. More specifically, measurements made during the flume experiments along a prominent pool‐riffle pair indicate that temporal and spatial changes to topography, flow hydraulics, and bed surface sediment texture are more rich and nuanced than existing generalizations offer. For example, clustering analysis completed using self‐organizing maps indicates that sediment sorting between pools and riffles is not simply a binary type response of finer versus coarser described by some characteristic grain size.
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 | 0,001 | 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) | 0,007 | 0,001 |
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 ».