Tank Sedimentation, Soil Erosion Simulations and Conservation Interventions of the Sub-catchments in Palugaswewa Tank Cascade System, Sri Lanka
Notice bibliographique
Résumé
Tank Cascade Systems (TCS) in the dry zone of Sri Lanka is threatened by soil erosion and high levels of sedimentation. Despite these challenges, the nation lacks studies exploring spatial soil loss variations within TCS contexts. Consequently, this research aimed to assess the sedimentation levels of five tanks and to analyze the spatial distribution of potential soil erosion rates across six selected sub-catchments within the Palugaswewa TCS. By utilizing sediment depth contour maps, the current sedimentation volume for each tank was computed. The study employed the revised universal soil loss equation (RUSLE) and geographic information system techniques to evaluate the potential average annual soil erosion rate, considering both existing land use scenarios and conservation interventions. The potential annual sediment yield was calculated using the sediment delivery ratio and potential average annual soil erosion rate. At present, 40 to 50 % of the tank storage capacity has been filled with sediments under existing land use. The potential average annual erosion rates of the sub-catchments of Palugaswewa TCS ranged from 19 t/ha/yr to 44 t/ha/yr. Notably, Sri Lanka's acceptable erosion rate stands below 12 t/ha/yr, rendering the erosion rates within Palugaswewa TCS unsuitable and destructive to sustained land productivity. The sediment delivery ratio varied from 0.18 to 0.9. This study suggests that adapting appropriate conservation measures such as cover cropping and soil contour bunding reduces the potential average annual erosion rate by 8.9 t/ha/yr to 14.5 t/ha/yr in the Palugaswewa sub-catchments.
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 | 0,002 |
| 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 ».