Overview of approach
Virtavesien luokittelujärjestelmässä virtavesien elinympäristön rakennuspalikat esitetään sarjana kerroksia, joista kukin edustaa eri fyysisten ominaisuuksien luokkia (esim. koko, kaltevuus). Kukin kerros koostuu useista luokista (esim. latvavesistö, puro, matala kaltevuus, korkea kaltevuus). Kerrokset muodostettiin käyttämällä induktiivisia lähestymistapoja, jotka perustuivat empiiristen tietojen malleihin, toisin kuin deduktiiviset lähestymistavat, jotka perustuvat maiseman alueellistamiseen. Puroluokkien muodostamisessa käytettyjen empiiristen tietojen lähteet esitetään taulukossa 1. Aikaisempien tarkastelujen sekä luonnonsuojelijoiden ja virtavesiekologien6,25 pyyntöjen perusteella valitsimme kuusi virtavesien elinympäristökerrosta, jotka voitiin kartoittaa virtavesien tarkkuudella ja joiden oletettiin vaikuttavan voimakkaasti ekologiseen toimintaan ja ekologisten yhteisöjen koostumukseen. Näitä olivat (ekologisen merkityksen vähenemisjärjestyksessä): koko, kaltevuus, hydrologia, lämpötila, virtavesiverkoston haarautuminen ja laakson rajoittuneisuus.
Kerroksia valittaessa ja luokkien välisiä jaotteluja määriteltäessä tärkeimpänä näkökohtana pidettiin luokittelun lähestymistapoja ja luokkien välisiä kynnysarvoja koskevien dokumentoitujen menetelmien saatavuutta. Näin ollen valitsimme mieluiten kerroksia, joita tukivat jo olemassa olevat ja julkaistut luokitukset, tai jos aiempia luokituksia ei ollut saatavilla, tukeuduimme kirjallisuuteen määritellessämme katkoja ja kynnysarvoja arvojen (esim. kaltevuus) jakamiseksi luokkiin, jos niitä oli saatavilla. Koska luokittelun tuloksiin vaikuttaa käytetty lähestymistapa, käytimme useita vaihtoehtoisia lähestymistapoja, jos niitä oli saatavilla, kehitettäessä luokkia kerrosten sisällä.
Predictor Variable Compilation
Tiedot koosta, gradientista ja verkon haarautumisesta saatiin NHDPlus V2 -tietokannasta. Erilliset in situ -havainnot hydrologiasta, lämpötilasta ja joen uoman ominaisuuksista (laakson sulkeutuneisuus) edellyttivät kuitenkin, että kehitimme malleja näiden luokkien ekstrapoloimiseksi purouoman tasolle. Kaikkiaan 66 maisema-, ilmasto-, topografista ja maaperämuuttujaa koottiin kunkin virtaamamittausaseman valuma-alueita varten sekä koko valuma-alueverkostoa varten, joka sijaitsee Yhdysvaltojen jokaisen purouoman yläjuoksulla (taulukko 2 (saatavilla vain verkossa)). Näistä 44 oli peräisin Stream Cat -tietokannasta26 (https://www.epa.gov/national-aquatic-resource-surveys/streamcat), 21 NHDPlus V2 -tietokannasta ja yksi WorldClim-tietokannasta (http://worldclim.org/version2) (taulukko 2 (saatavilla vain verkossa).). Noin 2 prosentissa havainnoista puuttuivat arvot muuttujista, jotka oli tiivistetty kunkin purouoman yläpuolella olevien valumaverkostojen osalta (pääasiassa StreamCat-tiedoista). Käytimme R-ohjelmointiympäristön27 Multivariate Imputation by Chained Equation (MICE) -pakettia arvioidaksemme puuttuvien muuttujien todennäköisimmät arvot muiden muuttujien arvojen perusteella. Kullekin muuttujalle, jolla oli puuttuvia arvoja, määritimme binäärimatriisin, joka osoitti, mitä ennustajien osajoukkoa olisi käytettävä puuttuvien arvojen estimointiin imputoinnin aikana. Kullekin puuttuvalle muuttujalle kehitettiin erilliset Predictive Mean Matching -mallit27.
Koko
Kokoa ja kaltevuutta koskevien luokittelumallien kehittämisessä ei muihin luokkiin verrattuna tukeuduttu paikan päällä tehtyihin havaintoihin tai ennustemallien kehitykseen (esim. hydrologia). Käytimme kahta koon kannalta merkityksellistä muuttujaa, jotka olivat saatavilla NHDPlus V2 -tietokannan kautta, tarjotaksemme vaihtoehtoisia purojen kokoluokituksia: Strahlerin puroluokka ja keskimääräinen vuotuinen virtaama (joka edustaa olosuhteita, joissa ihmisen vaikutus on vähäinen). Purojen järjestys kuvaa puroympäristöjen dendriittistä luonnetta28 , ja sitä käytetään yleisesti kuvaamaan purojen koon tiheysjakaumaa laajoilla alueilla tai maailmanlaajuisesti29. Purojen järjestystä rajoittaa kuitenkin se, että järjestykseen voi vaikuttaa kartoitetun hydrografian mittakaava30 , ja purkautuminen voi vaihdella suuresti eri ilmasto-olosuhteissa tietyn järjestyksen osalta. Samoin valuma-alueen käyttäminen koon kuvaamiseen voi olla ongelmallista, koska myös pinta-alayksikköä kohti laskettu virtaama vaihtelee huomattavasti ilmastoltaan hyvin erilaisten alueiden välillä30. Vaihtoehtoisesti puron kokoa voidaan luonnehtia sen kuljettaman virtaaman perusteella. Tämä edellyttää kuitenkin vakiomuotoisen lähestymistavan määrittelemistä purkautumiseen perustuvien luokkien jakamiseksi. Koska virtaamajärjestystä ohjaavat geometriset lait (esim. tiheys, virtaaman pituus, valuma-alue) perustuvat virtaaman järjestykseen31 , järjestys tarjoaa yleispätevän fysikaalisen mallin, jonka avulla purkautumisvirtaamat voidaan jakaa mannermaisesti laajaan vaihteluun johdonmukaisten raja-arvojen perusteella. Purkautumiseen perustuvan kokoluokituksen kehittämiseksi laskimme kaikkien NHDPlus V2:n virtavesien mediaanipurkautumisen Strahlerin järjestyksen mukaisesti ja käytimme sitten näiden arvojen välisiä keskipisteitä purkautumiskatkojen luomiseksi kokoluokkien raja-arvoiksi. (Huomautus: hydrologisessa luokittelussa käytetyt muuttujat on vakioitu keskimääräisen vuotuisen purkauksen mukaan, joten joen koko ei vaikuta niihin.)
Gradientti
Gradienttiarvot (eli uoman pohjan kaltevuus) annettiin myös NHDPlus V2 -virtauslinjojen ominaisuutena. Purojen kaltevuus mitattiin kunkin virtausviivan osalta korkeuden nousun osuutena virtaviivan etäisyydestä32. Tasoitetut korkeustiedot johdettiin maan 10 metrin digitaalisista korkeusmalleista (DEM). Enimmäis- ja vähimmäiskorkeuksia käytettiin nousun määrittämiseksi, joka jaettiin virtaviivan kokonaispituudella. Tietojemme mukaan yleisimmin käytetyt kaltevuuden raja-arvot ovat peräisin Rosgenilta4 , joka erottaa kanavamorfologiat kaltevuuden, leveyden ja syvyyden välisen suhteen, kaivautuneisuuden ja mutkaisuuden perusteella. Useat purojen luokittelupyrkimykset ovat myös tukeutuneet näihin gradienttikynnyksiin luokkien jakamisessa6,9,25. Otimme nämä katkokset käyttöön gradienttityyppien kehittämiseksi ja kartoitimme ne purouomiin.
Hydrologia
Viimeisten kahden vuosikymmenen aikana on kehitetty lukuisia hydrologisia luokituksia alueellisella ja maailmanlaajuisella mittakaavalla virtaamaseuranta-asemien erillisten havaintojen perusteella2,18,33. Yleensä induktiivisten hydrologisten luokitusten kehittäminen edellyttää virtaamahavaintojen kokoamista paikan päällä, virtaamien tiivistämistä hydrologisiksi tilastoiksi ja sitten havaintojen ryhmittelyä hydrologisten ominaisuuksien samankaltaisuuksien perusteella22. McManamay et al.34 kehittivät hiljattain hydrologisen luokituksen koko Yhdysvalloille, joka perustuu US Geological Survey (USGS) 2 600 virtaamamittausaseman luonnollisiin virtaamakuvioihin, joiden yläpuoliset valuma-alueet edustavat oman alueensa vähiten häiriintyneitä olosuhteita. Sen jälkeen, kun 110 hydrologista tilastoa oli purettu 13 komponenttipisteytykseen pääkomponenttianalyysin (PCA) avulla, virtaamamittausasemat luokiteltiin todennäköisyyksien perusteella yhteen 15 hydrologisesta luokasta käyttämällä Bayesin päättelyn avulla määritettyjä optimaalisia Gaussin sekamallin klusterointialgoritmeja34 . Nämä luokat edustavat vaihtelua hydrologisissa malleissa eikä niinkään vaihtelua purkautumisvolyymissa, koska kaikki suuruuteen liittyvät hydrologiset tilastot vakioitiin keskimääräisellä vuorokausivirtaamalla ennen PCA:ta ja klusterointia.
Tämä epäselvä luokittelutapa (eli pehmeä klusterointi) on joustava, koska se luonnehtii puroja siten, että ne ovat teoreettisesti jäseniä useissa klustereissa33,35. Sen sijaan ”kovat” klusterointitekniikat, kuten etäisyyteen perustuvat hierarkkiset agglomeraatiomenetelmät (esim. Wardin menetelmä)36 , ovat suhteellisen suoraviivaisia, helpommin ymmärrettäviä ja tuottavat sisäkkäisiä ja teräviä jäsenyyksiä22. Niinpä käytimme Wardin agglomeraatiomenetelmää klusteroidaksemme 2600 USGS-mittauspistettä 13 PC-pistemäärän avulla ja määritimme sen jälkeen optimaalisen määrän klustereita dendrogrammin visuaalisen tarkastelun perusteella.
Kaikki USGS-mittauspisteet yhdistettiin alueellisesti NHDPlus V2:n virtapaikkoihin. Taulukossa 2 olevien ennustemuuttujien avulla (saatavilla vain verkossa) rakensimme R-ohjelmointiympäristössä satunnaismetsäluokitusmalleja37 ennustamaan hydrologiseen luokkaan kuulumista ja ekstrapoloimme sitten hydrologiset luokat kaikkiin NHDPlus V2 -purouomiin.
Lämpötila
Lämpötilaluokitukset ovat harvinaisempia kuin hydrologian luokittelut.3,38,39 Mahdollisesti johtuen siitä, että lämpötilaa koskevat tiedot ovat vähäisempiä kuin purkautuminen. Maheu et al.3 ryhmitteli hiljattain noin 130 mittausasemaa (jotka edustavat vertailuolosuhteita) eri puolilla Yhdysvaltoja erityyppisiin lämpöjärjestelmiin useiden suuruutta ja vaihtelua kuvaavien tilastojen perusteella. Tämä monimuuttujainen lähestymistapa tarjoaa monimuuttujaisen vaihtoehdon tuottamillemme yksimuuttujaisille kesälämpötilaluokille. Maheun ym. luokittelussa käytettyjen mittausasemien sijainnit saatiin tekijöiltä, ja ne yhdistettiin alueellisesti NHDPlus V2 -järjestelmän virtapaikkoihin. Käyttämällä 65:tä ennustemuuttujaa kehitimme satunnaismetsämallin Maheun ym. luokkia varten purouomiin eri puolilla Yhdysvaltoja. Koska lämpötila on riippuvainen joen koosta, jätimme Qwsa:n pois mallista (eli keskimääräisen vuotuisen virtaaman jaettuna valuma-alueella).
Vaihtoehtoisesti kehitimme yksinkertaisen lämpötilaluokituksen, joka perustui luonnossa esiintyviin kesän keskimääräisiin veden lämpötila-arvoihin. Useat tutkimukset viittaavat siihen, että purojen erilaisiin lämpöjärjestelmiin vaikuttaa ensisijaisesti kesälämpötilan (heinä-elokuun keskiarvot) arvojen luonnollinen vaihtelu3,40,41. Lisäksi kesäajan lämpötila-arvot ovat yksi helpoimmin saatavilla olevista tiedoista julkisista ja ei-julkisista lähteistä. Kokosimme purojen veden lämpötilatiedot 5 907 paikasta useista eri lähteistä, kuten Deweber & Wagner41 (n = 2893), Hill et al.40 (n = 566), USGS:n mittareista, joilla on päivittäiset tallenteet (n = 2184), USGS:n kausittaisesta kenttämonitoroinnista (n = 240) ja muista virastojen käyttämistä rekisteröintilaitteista saaduista lämpötilatiedoista (n = 24) (taulukko 1). Lämpötilatietojen riittävän mittauspituuden määrittäminen edellytti tasapainon löytämistä heinä-elokuun keskiarvojen epävarmuuden minimoimisen ja riittävän alueellisen edustavuuden kannalta liian pienen näytemäärän välillä. Esimerkiksi Jones ja Schmidt42 antoivat suosituksia tallenteiden pituuksista, joita tarvitaan, jotta voidaan minimoida riittävästi epävarmuutta lämpöjärjestelmän mittareiden arvioinnissa; näiden ohjeiden noudattaminen olisi kuitenkin vähentänyt pelkästään edellä mainittuja USGS:n tallenteita (n = 2424) 70-90 prosenttia. Lisäksi Jonesin ja Schmidtin arvio sisälsi kuukausittaiset maksimit, minimit ja vaihteluvälit, kun taas meidän analyysimme perustui karkeampaan kaksikuukausittaiseen keskiarvomittariin (heinä-elokuu), jota pidämme vähemmän alttiina vuosittaiselle vaihtelulle kuin lämpötilan ääriarvoja (Supplementary File 1). Käyttämällä 22 USGS:n mittausasemaa eri puolilla Yhdysvaltoja ja Jonesin ja Schmidtin luotettavuusalueita arvioimme, että 1-2 kauden aineistolla voitaisiin luotettavasti arvioida heinä-elokuun keskilämpötilat 1 °C:n tarkkuudella 80 %:n ja 90 %:n luotettavuudella (Supplementary File 1). Seuloimme mittauspaikat varmistaaksemme, että mittausjakso sijoittuu vuosiin 1995-2015 ja että tietoja oli saatavilla vähintään 60 peräkkäiseltä heinä- ja elokuun päivältä.
Kaikki lämpötilamittauspaikat yhdistettiin alueellisesti NHDPlus V2 -virtavesijaksoihin. Tämän jälkeen määrittelimme vertailuolosuhteet seurantapaikoille käyttämällä maankäytön häiriöiden ja ylävirran padon säännöstelyn indikaattoreita. Maankäytön häiriöt arvioitiin käyttämällä vuoden 2015 elinympäristöarviointia (National Fish Habitat Partnership, NFHP), joka antaa elinympäristön heikentymispistemäärät, jotka vaihtelevat ”erittäin vähäisestä” ”erittäin suureen” häiriöön NHDPlus-purojen virtaussegmenteillä43. Arvioimme patoaltaiden yläjuoksulla tapahtuvan säännöstelyn astetta käyttämällä StreamCat-ohjelmasta saatua säännöstelyastetta (DOR) (% yläjuoksulla sijaitsevien patojen varastoimasta vuotuisesta virtaamasta)44 . Lämpötilaseuranta-asemat, joiden riskinarviointipisteet olivat ”erittäin alhainen” tai ”alhainen” ja DOR < 4 % (mikä osoittaa, että patoaltaiden vaikutus on vähäinen44,45 ), määritettiin edustaviksi vertailuolosuhteita varten, minkä tuloksena saatiin 1764 kohdetta, jotka täyttivät myös ennätyspituuskriteerimme. Näistä 70 prosenttia havainnoista saatiin Deweber & Wagner41 (n = 1211) tai Hill et al.40 (n = 33). Jäljelle jääneistä 520 havainnosta 71,7 %:lla oli tietoja vähintään kahdelta kaudelta.
Käyttäen samaa edellä mainittua ennustekokonaisuutta kehitimme satunnaismetsät ennustamaan kesälämpötiloja vertailukohteille ja ekstrapoloimme sitten nämä arvot kaikkiin NHD:n purouomiin. Käytimme katkoksia Yhdysvaltain veden lämpötilojen taajuusjakaumassa kesälämpötilojen jakamiseksi luokkiin. Käyttämällä arvioituja kesäaikaisia lämpötila-arvoja kaikille purouomille käytimme Jenksin Natural Breaks46 -menetelmää lämpötilojen jakamiseksi 2-20 luokkaan, minkä jälkeen määritimme optimaalisen sovitettavuuden ja taulukkotarkkuuden perusteella yksinkertaisimman määrän luokkia, jotka selittävät suurimman osan informaatiosta. Koska fysikaalisesti perusteltua lähestymistapaa luokkien jakamiseen ei ole, Jenksin menetelmä on optimaalinen spatiaalisen informaation yksimuuttujaiseen klusterointiin, koska se pyrkii minimoimaan luokkien sisäisen vaihtelun ja maksimoimaan samalla luokkien välisen varianssin46.
Verkon haarautuminen
Ja vaikka purojen koko kuvaa ekologisten toimintojen pituussuuntaista vaihtelua purojen jatkuvuutta pitkin15 , sivujokien risteyskohdat ja purojen erkanemiskohdissa tapahtuva eroaminen ovat niin ikään merkityksellisiä, koska ne luovat epäjatkuvuuskohtia pitkittäisprosesseihin47. Purojen yhtymäkohdilla, erityisesti yhtymäkohtia muodostavien purojen erisuuruuksilla, on suuri vaikutus elinympäristöön ja biologiseen monimuotoisuuteen48. Lisäksi ekologisten yhteisöjen koostumus voi muuttua dramaattisesti purojen yhtymäkohtien läheisyydessä49. Verkostokokoonpanojen ja eroavaisuustilanteiden erojen kuvaamiseksi loimme kaksi haarautumisluokkaa. Ensin luotiin luokat, joissa otettiin huomioon erikokoiset yhdistelmät sivujoista, jotka muodostavat yhtymäkohdan kunkin purouoman yläjuoksupäässä. Toiseksi kehitimme luokkia, jotka osoittivat, että purouomat ovat pää- tai sivukanavia eritasoliittymien alapuolella ja että purot saavat virtaa ylävirran eritasoliittymistä.
Useimmat yksittäiset purouomat NHDplus V2 -tietokannassa edustavat jokiverkostojen erillisiä hydrologisia piirteitä, jotka on määritelty purojen alkulähteillä, sivujokien yhtymäkohdilla ja risteämiskohdilla järviin ja tekoaltaisiin50 . NHDplus V2:n purouomien väliset topologiset suhteet esitetään ”from-to”-taulukossa, jossa määritellään tiettyyn purouomaan vaikuttavat ylävirran purouomat (eli from) ja virtauksen vastaanottava alavirran purouoma (eli to). Käyttämällä ”from-to”-taulukkoa kunkin uoman yläjuoksun päässä olevien eri Strahlerin virtaamajärjestysten yhdistelmät yhdistettiin sivu- ja pääuoman yhdistelmäksi. Esimerkiksi 1. järjestysluokan ja 2. järjestysluokan sivujokien yhtyminen 2. järjestysluokan järjestelmän ylävirran puoleisessa päässä tuottaisi seuraavan luokan: 2.12 (kuva 1a). Useimmissa tapauksissa yläjuoksulla oli vain kaksi sivujokea. Harvinaisissa tapauksissa tai eroavissa tilanteissa kolme tai useampi sivujoki kuitenkin yhtyy ylävirtaan uoman yläpuolella, ja otimme mukaan jopa neljä ylävirran järjestystä (esim. kuva 1b, 5.511). Joissakin tapauksissa purouomat saavat virtausta useista ylävirran puoleisista uomista, toisin sanoen yhden uoman jakautumisesta kahdeksi tai useammaksi uomaksi alavirran suunnassa (kuva 1c). Koska näille kanaville annetaan virtausjärjestys ja ne luovat liittymiä, jotka muistuttavat sivujokien yhtymäkohtia, verkon haarautumisen luokittelu edellyttää, että kanavien erkanemiskohdat sisällytetään yhtymäkohdan tyyppiin. Tapauksissa, joissa kanavat eroavat toisistaan, NHDplus V2 nimeää uomat pää- (D1) tai sivukanaviksi (D2) (kuva 1c). Käytimme from-to -taulukkoa yksilöidäksemme purouomat, jotka sijaitsivat välittömästi kanavien eritasoliittymien (DU) yhtymäkohtien alapuolella, jotta ne voitaisiin erottaa sivujokien yhtymäkohdista. Kun nämä eroavuudet oli otettu huomioon, havaitsimme tilanteita, joissa sivujokien yhtymäkohdat eivät olleet järkeviä (esim. 5_5.5), mikä johtui siitä, että NHDplus V2 ei määritellyt asianmukaisesti kaikkia kanavien eroavuustilanteita. Koska oli vaikea määrittää, oliko kukin näistä uomista erisuuntainen kanava vai uoma, johon virtaa erisuuntaisista kanavista, määrittelimme nämä uomat yleiseen erisuuntaisuusluokkaan (D).
Vaikka suurin osa NHDPlus V2:n sivujoen yhtymäkohdista on hydrologisesti merkityksellisiä, osa uomien yhtymäkohdista jaettiin digitalisoinnin aikana merkityksettömissä kohdissa, kuten karttojen nelikulmioiden rajoilla50 (kuva 1d). Bifurkaatioluokkien ja divergenssien tapauksessa nämä jakamiset johtaisivat ei-sensitiivisiin liittymiin. Näiden tapausten korjaamiseksi Wieferich et al.51 laati Ecological Reach Identification Table -taulukon, joka osoitti halkaistut uomat yhteisiin ekologisiin tunnisteisiin. Näissä tapauksissa määrittelimme kaikille samaan ekologiseen yksikköön kuuluville uomille ylävirran puoleisimman uoman haarautumis- ja eroavuusluokan (kuva 1d).
laaksojen rajoittuneisuus
Se, missä määrin laaksot ohjaavat jokien uomien sivuttaisvaellusta, kertoo jokien ja niiden tulva-alueiden välisen vuorovaikutuksen voimakkuudesta. Rajasimme rajoittamattomat laaksonpohjat (eli polygonit) kaikille NHDPlus V2:n virtapaikoille käyttämällä ArcMap 10.3:n Valley Confinement Algorithm (VCA) -työkalua52 . VCA arvioi purouoman täysipainesyvyyden käyttämällä empiiristä funktiota, joka perustuu alueellisiin sademäärätietoihin (http://www.prism.oregonstate.edu/normals) ja kunkin purouoman valuma-alueeseen53. Nagle et al.52 ehdotti tulvakorkeuden määrittämiseksi 5-kertaista rantautumissyvyyttä, jota pidimme myös sopivana, kun otetaan huomioon NHDplus-ohjelman alueellinen resoluutio ja ympäröivän topografian 30 metrin DEM-tiedot (https://nationalmap.gov/elevation.html). Ympäröivän maaston DEM-tietojen perusteella VCA-ohjelma käytti algoritmia tulvakorkeuden ja ympäröivän rinteen leikkaamiseksi. Vesistöjä käytettiin, jotta vältettäisiin laaksopohjien rajaaminen tulva-alueilla.
Kun laaksopohjat oli rajattu, tarvitaan kynnysarvoja, jotta purouomat voidaan luokitella rajoittamattomiksi, rajoittuneiksi tai välitasolle. Esimerkiksi laakson pohja ei välttämättä kata koko purouomaa tai se ei välttämättä ulotu sivusuunnassa riittävän kauas purouomaa pidemmälle, jotta se voitaisiin luokitella rajoittamattomaksi. Tämä edellyttää joen leveyden arviointia kunkin purouoman osalta. Kokosimme sekä kenttä- että kaukokartoitushavaintoja >52 000 paikasta kehittääksemme empiirisen mallin, jolla voidaan ennustaa joen leveys kaikille CONUS:n purouomille. Joen leveyttä koskevat kenttähavainnot saatiin Environmental Protection Agencyn National Rivers and Streams Assessment -hankkeesta (n = 852) (https://www.epa.gov/national-aquatic-resource-surveys/nrsa), virtavesien leveyttä koskevasta kirjallisuuskatsauksesta (n = 243)29 ja North American River Width Data Set -aineistosta (n = 50 230) (http://gaia.geosci.unc.edu/NARWidth/). Näistä tietokokonaisuuksista puuttuivat kuitenkin suurelta osin pienet latvapurot ja jaksottaiset järjestelmät. Jotta varmistettiin, että näiden purotyyppien leveys arvioitiin oikein, purouomat kerrostettiin koon mukaan (ks. kokoluokitus) ja valittiin satunnainen osajoukko (n = 407) koko Yhdysvaltojen purouoman populaatiosta. Ilmakuvien avulla arvioitiin joen leveys kunkin uoman keskipisteessä, ylä- ja alajuoksulla ja laskettiin sitten keskimääräinen leveys. Satunnaismetsämalleja käytettiin joen leveyden ennustamiseen ja arvioiden ekstrapoloimiseen kaikkiin purouomiin. Jokien leveysarvioita käytettiin sitten luotaessa polygonipuskureita kaikkien puroviivojen ympärille.
Lasimme päällekkäin jokien leveydet ja laaksojen pohjat määrittääksemme laaksojen rajoittuneisuuden tilan. Hall et al.53 pitivät purouomia rajoittamattomina, jos uoman laakson leveys on vähintään nelinkertainen, kun taas purouomat, joissa on kohtalainen uoman vuorovaikutus, ovat suhdeluvultaan >24 tulvauoman ja uoman täyden leveyden välillä. Tulva-altaiden sivusuuntaisen laajuuden lisäksi rajoittuneisuuden arvioinnissa oli tutkittava myös kunkin purouoman pituus, jonka laaksonpohjat peittävät. Purouomat luokiteltiin ”rajoittamattomiksi”, jos laakson pohja peitti vähintään 50 prosenttia purouoman pituudesta ja sen leveys oli vähintään neljä kertaa joen leveyden verran. ”Kohtalaisen rajoittuneilla purouomilla oli laaksonpohjia, joiden leveys oli >4 kertaa joen leveys, mutta jotka kattoivat vain 25-50 prosenttia purouoman pituudesta, tai jos laaksonpohjat kattoivat yli 50 prosenttia purouoman pituudesta, laaksonpohjien leveyssuhde oli 2-4. Laaksonpohjien leveyssuhde oli yli 50 prosenttia purouoman pituudesta. Kaikki muut virtapaikat määriteltiin ”suljetuiksi”
.