MétaCan
Menu
Retour à la cohorte
Enregistrement W4416121033 · doi:10.14796/jwmm.c567

The Impact of Sediment Deficiency on Riverbed Evolution in Major Mekong Delta Rivers

2025· article· W4416121033 sur OpenAlexvenueno aff
Tra Nguyen Quynh Nga, Tran Thi Kim, H. Hoai, Nguyen Thi Bay

Notice bibliographique

RevueJournal of Water Management Modeling · 2025
Typearticle
Langue
DomaineEnvironmental Science
ThématiqueCoastal wetland ecosystem dynamics
Établissements canadiensnon disponible
Organismes subventionnairesViet Nam National University Ho Chi Minh CityHo Chi Minh City University of Technology and Education
Mots-clésMekong deltaMekong riverDeltaErosionSedimentHydrology (agriculture)Accretion (finance)Chine

Résumé

récupéré en direct d'OpenAlex

The bed change in the Vietnamese Mekong Delta has been increasingly altered caused by natural processes and anthropogenic activities, and it becomes even more complicated under the influence of rising sea levels. At the Tan Chau and Chau Doc stations, the water volume entering the Mekong Delta did not change between 2008 and 2017, but the sediment load decreased by one-third, which caused a significant bed change in the river. This study evaluates riverbed evolution in the Mekong Delta under sediment deficiency and forecasts erosion dynamics until 2030 due to sea-level rise. Results indicate that increased riverbed erosion in 2017 is linked to a 30% drop in sediment supply compared to 2008. Simulations for 2017 indicate a 0.15% decrease in accretion rate—measured as the change in bed elevation—in the upper Tien River compared to 2008, and a 0.5% decrease in the lower reaches. Erosion rates nearly doubled in the upper reaches from Tan Chau to My Thuan, while the lower reaches showed minimal change (0.33%). By 2030, erosion will intensify, especially along the Tien River from Tan Chau to Hong Ngu, reaching 1.6 m/year. Accretion will decrease sharply, with the highest rate at 0.1 m/year near Long Khanh islet.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,760

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,231
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Water Management ModelingMême sujetCoastal wetland ecosystem dynamicsTravaux en français237 207