Reduction of raindrop kinetic energy by moss crust on rare earth tailings and its potential impact on soil erosion
Notice bibliographique
Résumé
Water erosion of rare earth tailings poses significant ecological risks, while moss crusts are widely distributed across these tailings. However, their role in erosion mitigation remains poorly understood. Using a single-raindrop simulation experiment, this study quantified the kinetic energy reduction capacity of moss crusts at four developmental stages (I: bare soil; II–IV: increasing cover, biomass, and height). Key results include: (1) Moss crusts markedly increased the accumulated kinetic energy required to disrupt the surface ( E moss ). At 1 cm thickness, E moss values for developmental stages II, III, and IV were 0.04, 0.18, and 4.61 J, respectively—stage IV exhibited 363-fold greater resistance than bare soil (stage I). (2) After moss removal, the underlying soil's resistance ( E under ) dropped sharply (averaging 0.01 J across stages), with no differences between developmental stages. Moss crusts reduced raindrop kinetic energy by 65.04% (stage II), 92.79% (stage III), and 99.72% (stage IV). (3) Resistance correlated strongly with slope and soil moisture: air-dried crusts exhibited higher E moss (0.35 J) than wet samples, and steeper slopes (25°–30°) increased E mos s by 10-fold compared to flat terrain. These findings demonstrate that moss crusts act as effective physical barriers against splash erosion, offering a scalable strategy for ecological restoration of degraded rare earth tailings in subtropical regions.
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 | 0,001 |
| 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 ».