Rainfall spatial-heterogeneity accelerates landscape evolution processes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Catchment hydro-morphological response is mainly conditioned on rainfall properties, such as rainfall intensity, storm duration and frequency, and the timing of these events. Rainfall spatial variability is likewise a major determinant affecting streamflow, erosion, and sediment transport, and is explored largely in the context of heavy rain triggering floods and fast morphological changes on hillslopes and in channels. In this study, we examine how the spatial structure of rainfall influences landscape evolution at the catchment scale over hundreds of years. To achieve this, multiple realizations of hourly rainfall fields, each differing only by their spatial distribution but identical in all other respects, were simulated using a weather generator. The impact of storm spatial-heterogeneity on the catchment morphology was then assessed with a landscape evolution model (CAESAR-Lisflood). A virtual “open-book” type catchment was used for this numerical experiment. The mean streamflow and low-flows remained the same while the magnitude of the annual peak streamflow increased by up to 12% in response to higher rainfall spatial heterogeneity. However, the erosion and deposition rates significantly increased (up to 50%) and the net erosion and deposition areas changed (increased by up to 9% and decreased by 13.5%, respectively) when the rain became less uniform in space. Furthermore, new gullies were found to be longer, deeper, and more branched in response to increased rainfall heterogeneity. The results suggest that heterogeneity in rainfall spatial patterns speeds up landscape development, even when rainfall volumes and temporal structures are the same. This implies that the spatial structure of rainfall may have more of an influence on catchment morphology at long time scales than previously thought.
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.
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) | 0,006 | 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 découle