Combining isotopic tracers (<sup>222</sup>Rn and δ<sup>13</sup>C) for improved modelling of groundwater discharge to small rivers
Notice bibliographique
Résumé
Abstract In regions where aquifers sustain rivers, the location and quantification of groundwater discharge to surface water are important to prevent pollution hazards, to quantify and predict low flows and to manage water supplies. 222 Rn is commonly used to determine groundwater discharge to rivers. However, using this isotopic tracer is challenging because of the high diffusion capacity of 222 Rn in open water. This study illustrates how a combination of isotopic tracers can contribute to an enhanced understanding of groundwater discharge patterns in small rivers. The aim of this paper is to combine 222 Rn and δ 13 C DIC to better constrain the physical parameters related to the degassing process of these tracers in rivers. The Hallue River (northern France) was targeted for this study because it is sustained almost exclusively by a fractured chalk aquifer. The isotopes 222 Rn, δ 13 C DIC , δ 2 H and δ 18 O were analysed along with other natural geochemical tracers. A mass balance model was used to simulate 222 Rn and δ 13 C DIC . The results of δ 2 H and δ 18 O analyses prove that evaporation did not occur in the river. The calibration of a numerical model to reproduce 222 Rn and δ 13 C DIC provides a best‐fit diffusive layer thickness of 3.21 × 10 −5 m. This approach is particularly useful for small rivers flowing over carbonate aquifers with high groundwater DIC where the evolution of river DIC reflects the competing processes of groundwater inflow and CO 2 degassing. This approach provides a means to evaluate groundwater discharge in small ungauged rivers. Copyright © 2014 John Wiley & Sons, Ltd.
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 ».