Using a scaled model to assess the performance of different sediment augmentation strategies in a restored channel
Notice bibliographique
Résumé
Sediment augmentation is an increasingly popular strategy for restoring rivers, mitigating flooding, and improving fish habitat. However, it is still unclear where along a river sediment seeding produces effective results, or what the fate of sediment is once placed under different flow conditions. Using a set of flume experiments conducted on a scaled pool-riffle reach, we assess the evolution of the planned augmented sediment cover in the Penticton Creek restoration project in British Columbia, Canada. We investigated three sediment seeding patterns described based on the seeding locations through the pool as: Head-seed (HS), tail-seed (TS), and full-seed (FS). For each seed pattern, the reach response to flood events with magnitudes ranging from 2- to 100-year return discharges was assessed. Our results show that while the FS channels are superior at retaining alluvial materials during low floods (i.e., 2-yr), they rapidly lose this ability as the flood magnitude increases. Examining maps of bed erosion reveals that in the FS channels, nearly all the pool area is vulnerable to a high risk of bed scour during high flood events. However, the bed scour only occurred in the HS and TS channels at locations where sediment had been seeded, dispersing eroded materials throughout the pool area. Our findings suggest that for restoring fish habitat in channels with limited sediment supplies, HS and TS seeding patterns are more effective at mitigating the risk of bed erosion during extreme floods. From a practical perspective, an HS or TS needs less sediment to complete than an FS channel, providing a more economic strategy for restoring channels.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».