Natural and anthropogenic controls on sediment rating curves in northern California coastal watersheds
Notice bibliographique
Résumé
Abstract The watersheds along the north coast of California span a wide range of geologic settings, tectonic uplift rates, and historic timber harvest activity. Known trends in how each of these factors influence erosion rates provides an opportunity to examine their relative importance. We analyzed 71 watersheds within nine larger river basins, investigated the factors influencing suspended sediment rating curves (SRCs), investigated how SRCs varied among our study watersheds, and used Random Forest modeling (RFM) to determine which environmental characteristics and land management metrics influence SRC shapes, vertical offsets, and slopes. While SRCs typically take the form of a power function, they also can exhibit threshold or peak relationships. First, we found both power and threshold relationships for the SRCs within our study watersheds. Second, the SRC offsets and slopes systematically varied with regional tectonic uplift. Third, SRC offsets increased in several watersheds following intensive timber harvest events and SRC slopes decreased due to a greater relative increase in suspended sediment concentration at lower flows than higher flows. Our RFM correctly classified 96% of the SRC shapes using two near‐channel metrics; near‐channel precipitation‐sensitive deep‐seated landslide susceptibility and near‐channel soil erodibility. Our RFM models also showed that timber harvest activity and near‐channel local relief can explain 40% of the variability in SRC offsets, whereas tectonic uplift rates, millennial‐scale erosion rates, and precipitation patterns explain 40% of the variability in SRC slopes.
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 ».