MétaCan
Menu
Retour à la cohorte
Enregistrement W6990950345

Evaluating Field Evidence of Fine-grained Sediment Abrasion in Gravel-bedded Rivers: a Case Study of the Lillooet and Suiattle Rivers in the Cascade Volcanic Arc (British Columbia, Canada, and Washington, USA)

2024· article· en· W6990950345 sur OpenAlexaboutno aff

Notice bibliographique

RevueBucknell Digital Commons (Bucknell University) · 2024
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeological formations and processes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRoundness (object)SphericitySedimentFluvialGranulometryAbrasion (mechanical)Grain sizeSorting
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Steep, gravel-bedded rivers are important sites for studying gravel abrasion, where material transported as bed load experiences size reduction and rounding due to grain-to-grain collisions. Studying fine sediment (diameter) abrasion and grain shape changes in fluvial systems is more challenging due to difficulties in quantifying sediment shape at this scale, but it is assumed that fine particles traveling in suspension do not experience abrasion. Improvements in particle characterization technology now allow for the accurate, rapid quantification of particle shape for sediments as fine as 0.8 μm through dynamic image analysis. Here we use the Camsizer X2 (CX2) to test the null hypothesis that fine-grained sediments have the same grain shapes along the length of a steep fluvial system. Our study sites are the Lillooet River (British Columbia, Canada) and the Suiattle River (Washington, USA) in the Cascade Volcanic Arc, chosen due to their known point sources of fine-grained sediments near their headwaters. Longitudinal sampling along 60 km of downstream distance (Lillooet River) and 35 km of downstream distance (Suiattle River) was completed through the collection of sediment on the downstream tail of gravel bars. Results show remarkable consistency across average values of shape parameters from all sample sites; volume-based sphericity (SPHT3) ranged from 0.822 to 0.861 (average: 0.848, standard deviation: 0.01), and volume-based Krumbein roundness ranged from 0.295 to 0.383 (average 0.347, standard deviation: 0.026). Shape data analysis shows no significant relationship between fine sediment downstream location and shape parameters in either river system. Results binned by sand size classes indicate slight differences in average form parameter values even across downstream distance; where fine sand consistently has a more spherical average form than medium sand, which in turn has a more spherical average form than coarse sand (SPHT3 of 0.865, 0.843, 0.811, respectively). Point counts of 100 grains across the three size classes for six Lillooet River samples shows a higher abundance of lithic fragments in coarser grain sizes. Thus, finer sands are more quartz-rich and rounded compared to coarser, lithic-dominated, more angular sands - contrary to all traditional, a-priori interpretations of mineral resistance to abrasion in fluvial transport. Complex interrelations between particle size, shape, and composition likely lead to this result, impacted by mechanical wear through grain breakages, hydraulic sorting, or differing source rock sizes and shapes. Overall, linear trends and consistencies across shape parameters cannot reject the null hypothesis and suggests that fine sediments do not experience abrasion in steep, gravel-bedded rivers. This result is consistent with previous studies in sandbedded rivers and supports the assumption that shape changes in sediment(Liang and Yang, 2023) shows similar form parameter values in the sand of fluvial environments derived from mountains, and a similar relationship between grain shape and size. These results and interpretations show the potential of distinguishing these fluvial environments from aeolian or beach environments through rapid, large-scale measures of grain shape.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,278
Score d'incertitude au seuil0,560

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,002
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,034
Tête enseignante GPT0,233
Écart entre enseignants0,198 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBucknell Digital Commons (Bucknell University)Même sujetGeological formations and processesTravaux en français237 207