Size-frequency distribution of landslide-dammed lakes from a simulation approach
Notice bibliographique
Résumé
The scaling of events in geomorphology relates the magnitude of an event to its frequency. The size-frequency distributions of landslides have been found to follow a power-law scaling. However, the scaling of lakes formed by the deposition of landslides in the river bed received less attention. In this study, we simulate landslide occurrence, their runouts and the resulting lakes and observe that landslide-dammed lakes also follow a power-law scaling, although the scaling relationship of the landslides does not predict the scaling of the landslide-dammed lakes. A rollover is present in both distribution, and its location depends on the resolution of the topographic input data. We find that cumulative density plots are the most appropriate to highlight the influence of glacial imprint on landslide scaling, and that fluvial landscapes present results following more closely the power-law scaling. However, since lake volume is influenced by valley shape, and can be inferred from drainage area as well as landslide size, its scaling cannot be directly explained by glacial imprint and landslide scaling. Thus, among the 8 mountain ranges investigated, the Southern Alps of New Zealand and the Tibetan Plateau of Wenchuan present similar distributions with a high amount of big lakes (> 10⁸ m³), while the Central Mountain Range of Taiwan exhibit a similar pattern to the Canadian Rockies and European Alps. The Japanese Alps, Mendoza Andes and Cordillera de Talamanca present much smaller lakes.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».