Cryosphere and lithology influence the hydrological gradients of high elevation Alpine catchments
Notice bibliographique
Résumé
In high-elevation systems influenced by receding cryosphere, geomorphology and lithology can strongly influence the hydrology of river networks. During summer 2022–2023, we studied the water temperature, δ 18 O, pH, major ions, and trace element concentrations at two headwater catchments in the Eastern Italian Alps. We investigated the main streams at the spring and below the confluences with tributaries from glaciers, intact and relict rock glaciers, young moraines, and till deposits. In the non-glacierized catchment (6.3 km 2 ), water temperature increased from 1.6 °C at the intact rock glacier spring to 7.3 ± 1.5 °C at the catchment outlet, despite the inputs from till and rock glacier springs with <3.0 °C waters. In the glacierized catchment (3.7 km 2 ), the proglacial reaches had a water temperature of 6.9 ± 2.6 °C and the inputs from cold rock glacier springs decreased the water temperatures by 2–4 °C along the stream. Due to predisposing lithology, at the glacierized catchment the concentrations of trace elements such as Ni, Al, Mn, Zn, Y, and Li were high along the entire river network except in till and the relict rock glacier springs, which are not influenced by the cryosphere. For both catchment outlets, end-member mixing models estimated 60–65 % contribution from rock glaciers to stream runoff. In both river systems, meltwater from snow and ice was the dominant runoff component, with rainwater accounting for 20–30 % of runoff in the non-glacierized catchment and for <10 % in the glacierized one.
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 | 0,000 |
| 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 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 ».