Ship-generated wave-induced sediment dynamics in upper St. Lawrence River: analysis of field data
Notice bibliographique
Résumé
Abstract This study examines the effects of combined ship-generated waves and wind-driven waves on sediment dynamics in the upper St. Lawrence River, focusing on two sites at Mariatown and Jacobs Island in Ontario, Canada. Six loggers installed at the two study sites recorded wave and turbidity data over a period of 300 days to distinguish the influences of natural versus ship-induced waves on sediment resuspension. The findings indicate that wind-driven waves regularly resuspend sediment, establishing a baseline turbidity level, while ship-generated waves cause short-lived but intense turbidity spikes, particularly in shallow zones with fine sediment. Spectral signal analyses, including synthetic natural wave modeling and frequency-based filtering, are used to isolate the frequency characteristics of primary and secondary ship-generated waves from those of natural wind waves, enabling a focused assessment of each wave type’s impact on sediment dynamics. Wavelet analysis is applied as a validation tool to confirm the spectral localization of separated wave components. The study demonstrates that factors such as water depth, sediment type, and proximity to the navigation channel strongly influence local turbidity responses. While historical shoreline imagery is used to provide spatial context, shoreline change was not formally analyzed in this study. Overall, the results offer a replicable framework for isolating wave contributions to sediment resuspension and support future efforts in sustainable sediment and shoreline management in modified river environments.
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 | 0,002 |
| 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 ».