Simulated Dynamics of Mixed Versus Uniform Grain Size Sediment Pulses in a Gravel‐Bedded River
Notice bibliographique
Résumé
Abstract Mountain rivers often receive sediment in the form of episodic, discrete pulses from a variety of natural and anthropogenic processes. Once emplaced in the river, the movement of this sediment depends on flow, grain size distribution, and channel and network geometry. Here, we simulate downstream bed elevation changes that result from discrete inputs of sediment (∼10,000 m 3 ), differing in volume and grain size distribution, under medium and high flow conditions. We specifically focus on comparing bed responses between mixed and uniform grain size sediment pulses. This work builds on a Lagrangian, bed‐material sediment transport model and applies it to a 27 km reach of the mainstem Nisqually River, Washington, USA. We compare observed bed elevation change and accumulation rates in a downstream lake to simulation results. Then we investigate the magnitude, timing, and persistence of downstream changes due to the introduction of synthetic sediment pulses by comparing the results against a baseline condition (without pulse). Our findings suggest that bed response is primarily influenced by the sediment‐pulse grain size and distribution. Intermediate mixed‐size pulses (∼50% of the median bed gravel size) are likely to have the largest downstream impact because finer sizes translate quickly and coarser sizes (median bed gravel size and larger) disperse slowly. Furthermore, a mixed‐size pulse, with a smaller median grain size than the bed, increases bed mobility more than a uniform‐size pulse. This work has important implications for river management, as it allows us to better understand fluvial geomorphic responses to variations in sediment supply.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».