Extreme Mediterranean rainfall impact on sedimentary routing systems: what can we learn from Storm Alex using in situ detrital 10Be?
Notice bibliographique
Résumé
Understanding how extreme meteorological events influence sediment transport is critical for predicting landscape evolution under a changing climate. Detrital cosmogenic 10 Be can provide insights into sediment dynamics following extreme rainfall, but high-resolution datasets tracking 10 Be variations before and after a storm, alongside long-term records, remain rare. The Var catchment (French Southern Alps) presents a unique case study, as its 10 Be signal was well-documented before the October 2020 Storm Alex (>500 mm of rainfall/24 h), which triggered flash floods, mobilized large sediment volumes, and formed a 10 km-long sediment plume in the Mediterranean Sea. We compare 10 Be concentrations in river sediments collected pre-storm (2016–2018), and at +7 days, +21 days, +4 months, and +7 months post-storm. We also use a historical offshore sample and contextualize these results with a 75 ka-long 10 Be record from deep-sea sediment cores. At the Var outlet, 10 Be concentrations initially increased by ∼25 % at +7 and +21 days, attributed to the mobilization of 10 Be-rich sediments from the upstream Var and Tinée sub-catchments. Concentrations returned to pre-storm levels within four months, primarily due to dilution with 10 Be-poor sediments from the Vésubie sub-catchment fluvioglacial terraces. While short-term 10 Be fluctuations at the Var outlet reflect complex sediment sourcing, our comparison with the 0–75 ka record confirms that major glaciation events and potential anthropic influences remain distinguishable, demonstrating that 10 Be is a robust proxy of denudation changes, even when extreme events are involved.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».