Spatial Patterns of Disconnectivity Explain Catchment‐Scale Sediment Dynamics and Transfer Efficiencies
Notice bibliographique
Résumé
Abstract While connectivity studies are becoming common in the Earth sciences, disconnectivity has received much less attention. Sediment storage is the direct result of sediment disconnectivity and can provide concrete evidence of the spatial patterns of disconnectivity at the catchment‐scale. In this study, we explore the catchment‐scale sediment dynamics of the Tahoma Creek watershed, a high‐gradient glacio‐volcanic landscape, within a sediment budget framework and identify and map sources of disconnectivity to determine whether they explain the spatial patterns and estimated efficiencies of sediment transfers. We found that up to 80% of the total eroded sediment is sourced from the proglacial zone. The proglacial zone is characterized by high connectivity resulting from frequent debris flows and floods, and rapidly responds to changing conditions. Down valley, however, sources of disconnectivity become increasingly more prevalent, the hillslopes become decoupled from the channel, and a majority of the eroded sediment is redeposited with as little as ∼15% reaching the outlet. The spatial distribution of sources of disconnectivity and their upslope affected areas explains, to a large degree, catchment‐scale sediment dynamics and sediment transfer efficiencies and is in close agreement with quantitative connectivity estimates. We find that steep, glaciated watersheds are predominantly disconnected over human timescales and suggest that disconnectivity is the dominant state of landscapes over most timescales of interest. Mapping sources of disconnectivity provides a straightforward and concrete approach to estimating system disconnectivity and can increase confidence when paired with quantitative indices.
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 | 0,000 |
| 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) | 0,000 | 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 ».