Spatial assessment of sediment production in a badland catchment using repeat LiDAR surveys, Draix, Alpes de Haute-Provence, France
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract. With denudation rates locally exceeding one centimetre of weathered marl per year, i.e., more than 200 T ha−1 yr−1, the badlands of the Durance basin in the French Alps are one of the most eroding areas in the world. Since 1983, the Draix-Bléone Observatory has been using hydro-sedimentary stations to monitor several of these small, unmanaged badland catchments, where the hydrological response to seasonal storms is rapid and intense. In order to fingerprint soil loss in the 86 ha Laval basin, we combine outlet records with an analysis of airborne and UAV LiDAR data taken over a 6-year period, alongside a bulk density model to account for porosity variations with depth and drainage network reconstruction. This allows us to map mass movements and determine a sediment budget at catchment scale. We find that landslides and crest failures represent very active areas, accounting for at least 15 % of the watershed's sediment budget throughout the period under study, despite affecting only 1 % of the bare surfaces. They contribute to the high erosion rates observed in low-drainage areas, with up to two centimetres of fresh marl lost per year, 3.5 times the average value on the rest of the bare slopes. Despite certain methodological constraints, our approach seems very promising at identifying local erosion hotspots, quantifying their contribution to the sediment budget and assessing sediment transport across geomorphological units. It could also be adapted to time series and more detailed identification of geomorphic processes in order to monitor the dynamics of badland catchments in a changing climate.
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.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 découle