Short-term dynamics of beaver dam flow states
Notice bibliographique
Résumé
Beavers (Castor canadensis and C. fiber) build dams that modify catchment and pond water balances, and it has been suggested that they can be a nature-based solution for reducing flood hydrographs, enhancing low flow hydrographs and restoring hydrological functioning of degraded streams. How water moves through a beaver dam is determined by its flow state (e.g., overflow, underflow). However, current conceptual models only consider flow state as changing over the beaver site occupation-abandonment cycle. To assess whether flow state changes at shorter timescales and identify possible triggers (e.g., rainfall, animals), we integrated camera trap imagery, machine learning, water level measurements, and hydrometeorological data at beaver dams in a montane peatland in the Canadian Rocky Mountains. Contrary to current models, we found that flow states changed frequently, changing a maximum 12 times during the 139-day study period, but that changes had limited synchronicity amongst the dams in the same stream. More than two-thirds of the changes coincided with rainfall events. We observed no changes in flow state in response to beaver activity or wildlife crossings perhaps due to the camera positioning. Our findings augment the long-term oriented framework, which links changes to the occupancy cycle of a beaver pond and frequent and hydrological-driven changes. To develop realistic predictions of hydrological impacts of beaver dams, ecohydrological models should update their representation of the influence of beaver dams to include short-term dynamism of flow states and potential triggers. Our study advances the understanding of the important, yet understudied, role of beaver dams in stream restoration and climate change initiatives.
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 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».