Electrical Resistivity for Characterization and Infiltration Monitoring beneath a Managed Aquifer Recharge Pond
Notice bibliographique
Résumé
Efficiency of managed aquifer recharge (MAR) via surface infiltration ponds relies heavily on the properties and processes of the unsaturated zone. The spatial and temporal resolutions needed in data for monitoring such processes are higher than typical hydrologic data can provide. Recently developed direct‐push resistivity probes can be located in the base of a MAR pond and used to obtain vertical electrical conductivity profiles with high spatial and temporal resolutions. In this study, we developed an inversion algorithm that uses a vertical electrical conductivity profile and auxiliary hydrologic data to estimate the van Genuchten parameters and saturated hydraulic conductivity of a homogeneous unsaturated zone. Using a synthetic case, we analyzed the method's accuracy and sensitivity to temporal and spatial resolutions in data. We then derived a new relationship for using the parameter estimation and electrical conductivity data to estimate infiltration rates and pond bottom clogging in situ in real time, extending electrical resistivity as a method for gaining qualitative infiltration information to a tool for quantitative infiltration rate monitoring. We found that we were able to best estimate the logarithm of the saturated hydraulic conductivity, which was within 5% of the true value for all cases. The van Genuchten parameter α was the least accurately predicted parameter, deviating at most 22% from the true value. We found that we could estimate infiltration rates and pond bottom clogging with a level of accuracy appropriate for use in modeling and management decisions, in most cases to within 11% of the true value.
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 ».