Modeling the Dynamic Response of River Deltas to Sea‐Level Rise Acceleration
Notice bibliographique
Résumé
Abstract Climate change is raising sea levels across the globe. On river deltas, sea‐level rise (SLR) may result in land loss, saline intrusion into groundwater aquifers, and other problems that adversely impact coastal communities. There is significant uncertainty surrounding future SLR trajectories and magnitudes, even over decadal timescales. Given this uncertainty, numerical modeling is needed to explore how different SLR projections may impact river delta evolution. In this work, we apply the pyDeltaRCM numerical model to simulate 350 years of deltaic evolution under three different SLR trajectories: steady rise, an abrupt change in SLR rate, and a gradual acceleration of SLR. For each SLR trajectory, we test a set of six final SLR magnitudes between 5 and 40 mm/yr, in addition to control runs with no SLR. We find that both surface channel dynamics as well as aspects of the subsurface change in response to higher rates of SLR, even over centennial timescales. In particular, increased channel mobility due to SLR corresponds to higher sand connectivity in the subsurface. Both the trajectory and magnitude of SLR change influence the evolution of the delta surface, which in turn modifies the structure of the subsurface. We identify correlations between surface and subsurface properties, and find that inferences of subsurface structure from the current surface configuration should be limited to time spans over which the sea level forcing is approximately steady. As a result, this work improves our ability to predict future delta evolution and subsurface connectivity as sea levels continue to rise.
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 | 0,004 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».