Application of the magnetic resonance sounding method to the investigation of aquifers in the presence of magnetic materials
Notice bibliographique
Résumé
Abstract It has been previously reported that the magnetic resonance sounding (MRS) method does not produce reliable data in areas where magnetic rocks perturb the geomagnetic field. The applicability of the MRS can be extended by using the spin echo (SE) measuring technique instead of the commonly used measuring scheme based on recordings of the free induction decay (FID) signal. Modifications to the MRS method are presented for measuring and interpreting SE signals. Field results obtained in Cyprus (1999), Canada (2008), and India (2008) reveal that in test sites MRS measurements in the SE mode make it possible to apply the MRS method where the subsurface is composed of sand and gravel that contain magnetite or basalt and in aquifers composed of nonmagnetic sand overlying a magnetic basement. Con-sidering the widespread occurrence of magnetic rocks, this development increases the area where MRS can be applied. However, experience shows that it is more time consuming to measure the SE and more complicated to interpret the field data than it is to work with FID measurements. Numerical results show that the MRS method in the SE mode is less efficient than the FID technique because of the smaller amplitude and wider band of the SE signal. Due to instrumental limitations and unknown distribution of the magnetic fields within the investigated volume, accuracy of the presented MRS-SE approach is site dependent. In a general case, MRS-SE in its current implementation is not able to provide robust estimates of the initial amplitude, which renders MRS estimate of the water content qualitative. For accurate estimate of the water content, more sophisticated approaches need to be developed.
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 ».