Urbanized stream restoration as designed adaptation: Planning using synthetic digital rivers and form variation assessment
Notice bibliographique
Résumé
Abstract Restoring urbanized streams is challenging because of the absence of natural reference reaches and major changes in discharge and sediment supply as a consequence of catchment urbanization. In many cases the risk to urban infrastructure leads to form‐based restoration with less opportunity for process‐based approaches. Restoration involves designed adaptation to the new catchment state, rather than true restoration, but more‐natural designs are still feasible based in principles of fluvial geomorphology. An important element of this designed adaptation is planform design which is a part of urban channel restoration that is often simplified and which, in turn, simplifies the in‐stream morphology and habitats. More variable in‐stream morphology develops in irregular planforms which are also more common in nature. Tools and methods for designing complex planforms and associated bed morphology have developed, but further innovation is needed to meet interdisciplinary objectives in the planning phase of design. Here, we present a flexible approach for assessing surface‐form complexity of planform and in‐channel morphology as part of a move to geomorphically‐based urban riverscape design to accommodate urbanized channel changes within the overall interdisciplinary framework and to increase overall riverscape amenity. Our approach uses River Builder software for deriving 3D rivers based on hydro‐morphodynamics and applies the Geomorphic Form Variation (GFV) approach as a measure of geomorphic complexity for collaborative urbanized stream planning. Assessment of planform variable inputs showed a strong control on in‐channel morphology, and GFV showed that form complexity increases with higher width variability, stream bank roughness, and meander bend frequencies and curvatures.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».