Debris-flow activity and sediment dynamics in the landslide-influenced Lattenbach catchment, Austria
Notice bibliographique
Résumé
Deep seated landslides are common phenomena in Alpine areas. In case of a direct connectivity with the channel system, the catchment’s sediment yield and the probability of other forms of mass wasting processes such as debris flows may be increased significantly. Up to now, sediment dynamics related to deep-seated landslides and debris flows have not been quantified. The Lattenbach catchment (basin area 5,3 km², relief 2134 m) in Grins (Tyrol, Austria), is an example for an active DF-site, where there is geomorphological evidence of deep-seated landslide activity. In this study we shed light (1) on the location and size of active landslides in the catchment, that may deliver sediment to the channel system. Furthermore, we want to (2) quantify the contributed sediment volumes by these landslides (3) and estimate the exported sediment by debris flow. We apply an image correlation algorithm to high resolution ALS and TLS terrain models of derived over a period of 14 years to calculate surface movement rates within the catchment and locate deep seated landslide activity. We further assess the sediment yield of these landslides to the channel system and relate that with DF-volumes measured by a monitoring station at the catchment outlet. We find that there are five deep-seated landslide bodies directly connected to the channel system in the catchment. These are the largest source of sediment and significantly increases the overall sediment yield of the catchment. Our study shall contribute to the limited knowledge about the importance of deep-seated landslides for sediment dynamics and debris-flow activity, as their presence is predicted to be more frequent in the wake of global warming.
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 | 0,000 | 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 ».