A GPS-based monitoring program of land subsidence due to groundwater withdrawal in Iran
Notice bibliographique
Résumé
Land subsidence, lowering of the land surface by mass movement, has been caused by human activities in many countries all over the world. The full economic impact of man-induced subsidence is large, yet difficult to estimate. Groundwater withdrawal is one of the most important causes of land subsidence that has caused extremely expensive damages to buildings, walls, roads, railroads, pipelines, and casings of the water wells. A necessary step to perform a proper analysis of land subsidence is to obtain accurate measurements of actual subsidence at certain intervals. The objective of this paper is to evaluate land subsidence using global positioning system (GPS) technique. One example of subsiding areas is the Rafsanjan plain, which has had the most subsidence in Iran. First, the latest situation of land subsidence in the Rafsanjan plain as well as the geological, hydrogeological conditions and groundwater utilization are explained. Next, the monitoring program and engineering works for its implementation are discussed. Finally, the results of two successive measurements carried out recently as the first attempt in Iran to monitor land subsidence by using GPS are presented and interpreted. Based on the results obtained, it was found that the relationship between the decline of groundwater level and land subsidence is not exactly or necessarily linear at every point. Also, the response of different points of the soil body within the plain would not be the same due to the groundwater withdrawal and the change in groundwater level. The ground behavior is influenced by many other factors such as the thickness of aquifer, soil structure, and interlaying manner of sublayers.Key words: land subsidence, groundwater, monitoring, GPS, Iran.
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 ».