Flow dynamics in hyper-saline aquifers: hydro-geophysical monitoring and modeling
Notice bibliographique
Résumé
Abstract. Saline–freshwater interaction in porous media is a phenomenon of practical interest particularly for the management of water resources in arid and semi-arid environments, where precious freshwater resources are threatened by seawater intrusion and where storage of freshwater in saline aquifers can be a viable option. Saline–freshwater interactions are controlled by physico-chemical processes that need to be accurately modeled. This in turn requires monitoring of these systems, a non-trivial task for which spatially extensive, high-resolution non-invasive techniques can provide key information. In this paper we present the field monitoring and numerical modeling components of an approach aimed at understanding complex saline–freshwater systems. The approach is applied to a freshwater injection experiment carried out in a hyper-saline aquifer near Cagliari (Sardinia, Italy). The experiment was monitored using time-lapse cross-hole electrical resistivity tomography (ERT). To investigate the flow dynamics, coupled numerical flow and transport modeling of the experiment was carried out using an advanced three-dimensional (3-D) density-driven flow-transport simulator. The simulation results were used to produce synthetic ERT inversion results to be compared against real field ERT results. This exercise demonstrates that the evolution of the freshwater bulb is strongly influenced by the system's (even mild) hydraulic heterogeneities. The example also highlights how the joint use of ERT imaging and gravity-dependent flow and transport modeling give fundamental information for this type of study.
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 | 0,001 | 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 | 0,001 | 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 ».