Estimation of bed material transport in gravel‐bed streams using the virtual velocity approach: Insights from the North‐Western Himalayas, India
Notice bibliographique
Résumé
Abstract This study focuses on evaluating the sediment mobility and transport patterns in two Himalayan rivers (Aglar and Paligad Rivers) during monsoon and non‐monsoon flows. The virtual velocity approach involving the measurements of the bed proportional mobility ( Y ), active layer depth ( d s ), displacement length and virtual velocity of mobilized grains was employed. Both local (0.5 m subsections) and wetted cross‐sectional average parameters were used. While using local parameters the total annual bed material transport was estimated to be 67 100 (±20 400 t) and 18 400 t (±6000 t) in the Aglar and Paligad Rivers, respectively. Of this, nearly 60% of transport occurred during the monsoon and the overall contribution of partial transport (PT) remained low (<6%). However, based on cross‐section average parameters, total transport was estimated to be 42 300 (±15 800 t) and 12 200 t (±4700 t), in Aglar and Paligad, respectively, with nearly 79% and 68% occurring during the monsoon. Moreover, the contribution of PT increased to nearly 18% and 29% for the Aglar and Paligad Rivers, respectively. Additionally, the dependence of PT on Y and full transport on d s results in an abrupt shift in transport rates at the transition from partial to full transport, causing discontinuity in transport curves. Therefore, a unified function was proposed to represent the extent of transport for both partial and full transport, yielding continuous transport curves. These findings are particularly relevant for efficient river management as the region houses several hydropower plants and is highly vulnerable to climate change.
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 | 0,000 |
| 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 ».