Estimating bed material transport in Himalayan streams using the virtual velocity approach
Notice bibliographique
Résumé
This study investigates sediment mobility and transport dynamics in two Himalayan rivers, the Aglar and Paligad Rivers, during both monsoon and non-monsoon flows. Employing the virtual velocity approach, key parameters such as bed proportional mobility (Y), active layer depth (ds), and displacement length were measured to estimate the virtual velocity of mobilized grains. Local parameters (0.5 m sub-sections) and wetted cross-sectional averages were utilized. Using local parameters, the total annual bed material transport was determined as 67,100 t (±20,400 t) and 18,400 t (±6,000 t) for the Aglar and Paligad Rivers, respectively, with nearly 60% occurring during the monsoon. The significant contribution of non-monsoonal flows (~ 40 %) could be ascertained to higher enough flows in specific sub-sections inducing partial or full mobility. Still, the contribution of partial transport (PT) remained lower (< 6%). In contrast, based on cross-section average parameters, total transport was estimated at 42,300 t (±15,800 t) and 12,200 t (±4,700 t) for the Aglar and Paligad Rivers, respectively, with approximately 79% and 68% occurring during the monsoon. The contribution of PT increased to nearly 18% and 29% for the Aglar and Paligad Rivers, respectively, attributed to the averaging effects of shallower sections. Furthermore, the interdependence of partial transport on Y and full transport on ds leads to discontinuities in transport curves, prompting the proposal of a unified function to represent transport extent for both partial and full transport conditions. The unified function ensured the generation of continuous transport curves, yielding similar transport patterns concerning the contribution of PT, FT, monsoonal, and non-monsoonal flows. The findings are particularly relevant for efficient river management as the region houses several hydropower plants and is highly susceptible to climate change.Keywords:Painted tracers, partial transport, full transport, active layer, monsoonal flows
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».