MétaCan
Menu
Retour à la cohorte
Enregistrement W4280562970 · doi:10.3390/w14101602

Assessment of Annual Erosion and Sediment Yield Using Empirical Methods and Validating with Field Measurements—A Case Study

2022· article· en· W4280562970 sur OpenAlexaff
Ehsan Shahiri Tabarestani, Hossein Afzalimehr, Jueyi Sui

Notice bibliographique

RevueWater · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil erosion and sediment transport
Établissements canadiensUniversity of Northern British Columbia
Organismes subventionnairesnon disponible
Mots-clésWatershedErosionSedimentationSedimentHydrology (agriculture)Environmental scienceDeposition (geology)Intensity (physics)Sediment transportWEPPRating curveSoil scienceSoil conservationGeologyGeotechnical engineeringGeomorphologyEcology

Résumé

récupéré en direct d'OpenAlex

To implement soil conservation approaches, it is necessary to estimate the amount of annual sediment production from a watershed. The purpose of this study was to determine the erosion intensity and sedimentation rate from a watershed by employing empirical models, including the modified Pacific Southwest Inter-Agency Committee (MPSIAC), the erosion potential method (EPM), and Fournier. Moreover, the accuracy of these empirical models was studied based on field measurements. Field measurements were conducted along two reaches of Babolroud River. Total sediment transport, including suspended load and bed load, was predicted. Bed load transport rate was measured using a Helly–Smith sampler, and suspended load discharge was calculated by a sediment rating curve. The results of this study indicate that the erosion intensity coefficient (Z) of the Babolroud watershed is 0.54, with a deposition rate of 166.469 m3/(km2.year). Due to the existence of unusable crops, the highest amount of erosion appeared in the northern region of the watershed. The results using the EPM and MPSIAC models were compared with field measurements and indicated that both models provided good accuracy, with differences of 22.42% and 20.5% from the field results, respectively. Additionally, it could be concluded that the Fournier method is not an efficient method since it is unable to consider the erosion potential.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,093
Score d'incertitude au seuil0,297

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,144
Tête enseignante GPT0,378
Écart entre enseignants0,234 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetSoil erosion and sediment transportTravaux en français237 207