MétaCan
Menu
Retour à la cohorte
Enregistrement W4316659895 · doi:10.1029/2022jf006846

Mechanistic Analysis and Numerical Simulation of the 2021 Post‐Fire Debris Flow in Xiangjiao Catchment, China

2023· article· en· W4316659895 sur OpenAlexaff
Chaojun Ouyang, Wen Xiang, Huicong An, Fulei Wang, Weibin Yang, Jiying Fan

Notice bibliographique

RevueJournal of Geophysical Research Earth Surface · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensQueen's University
Organismes subventionnairesNational Science Fund for Distinguished Young ScholarsYouth Innovation Promotion Association
Mots-clésDebris flowDebrisSurface runoffEnvironmental scienceInterceptionErosionHydrology (agriculture)Infiltration (HVAC)Drainage basinChinaGeologyMeteorologyGeotechnical engineeringGeographyGeomorphologyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Wildfires are becoming a global natural disaster under climate change. A worthwhile concern is that the rainfall thresholds that trigger debris flows in catchments affected by recent wildfires are much lower than those that trigger debris flows in catchments with similar environments but that have not experienced wildfires. In this study, we investigated a major post‐fire debris flow event in Xiangjiao catchment triggered by heavy rainfall in 2021. Through the combination of field observation, laboratory experiments and several numerical models (rainfall interception, infiltration, erosion and runoff models), the physical mechanistic analysis and numerical simulation of the post‐fire debris flow in Xiangjiao catchment was carried out. Results show that the simulated deposited area, erosion depth, and the occurrence time of debris‐flow initiation correlate well with the actual situation. It is demonstrated that the numerical simulation method used in this study can be used to effectively describe the characteristics of the initial and propagation stages of the post‐fire debris flow generated by runoff and provide important insights and guidance for the prediction and prevention of debris‐flow disasters in catchments affected by wildfire.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,246
Score d'incertitude au seuil0,610

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,015
Tête enseignante GPT0,300
Écart entre enseignants0,285 · 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'étudeSimulation ou modélisation
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

Citations22
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research Earth SurfaceMême sujetFire effects on ecosystemsTravaux en français237 207