Four Years of Meander‐Bend Evolution Captured by Drone‐Based Lidar Reveals Lack of Width Maintenance on the White River, Indiana, USA
Notice bibliographique
Résumé
Abstract Meandering rivers experience fluctuations in width whenever riverbanks migrate in different directions or at different rates, which can be observed after individual floods. However, meandering rivers maintain approximately constant widths over decadal timescales. This implies some timescale below which width fluctuates as banks migrate independently, and above which width is maintained by a bank‐coupling process. This coupling is thought to occur either as point bar deposition events induce cutbank erosion (bar‐push), or as cutbank erosion events induce point bar deposition (bank‐pull). This coupling, however, has been challenging to observe in natural rivers due to limited event‐scale field data. We present results from a 4.5‐year campaign with 22 drone‐based lidar surveys of a single point bar and cutbank (∼0.35 km 2 in area) on the White River near Worthington, Indiana, USA. The middle point bar experienced net erosion (5,400 m 3 ), but net aggradation (17,100 m 3 ) between 2019 and 2022 when including perennially submerged regions. This aggradation was less than the 35,700 m 3 of cutbank erosion over the same period. Combined, we have observed widening (1.58 m/yr bend‐averaged; 3.08 m/yr near apex) over the study period as point bar deposition has not kept up with cutbank erosion. Finally, we suggest that the difference between bar‐push and bank‐pull as width‐maintenance mechanisms may not be resolvable by observing bend widening or narrowing alone without an advancement of current theory, such as determining a long‐term equilibrium width and measuring deviations relative thereto.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».