The biases and trends in fault zone hydrogeology conceptual models: global compilation and categorical data analysis
Notice bibliographique
Résumé
Abstract To investigate the biases and trends in observations of the permeability structures of fault zones in various geoscience disciplines, we review and compile a database of published studies and reports containing more than 900 references. The global data are categorized, mapped, and described statistically. We use the chi‐square test for the dependency of categorical variables to show that the simplified fault permeability structure (barrier, conduit, barrier–conduit) depends on the observation method, geoscience discipline, and lithology. In the crystalline rocks, the in situ test methods (boreholes or tunnels) favor the detection of permeable fault conduits, in contrast to the outcrop‐based measurements that favor a combined barrier–conduit conceptual models. These differences also occur, to a lesser extent, in sedimentary rocks. We provide an estimate of the occurrence of fault conduits and barriers in the brittle crust. Faults behave as conduits at 70% of sites, regardless of their barrier behavior that may also occur. Faults behave as barriers at at least 50% of the sites, in addition to often being conduits. Our review of published data from long tunnels suggests that in crystalline rocks, 40–80% (median about 60%) of faults are highly permeable conduits, and 30–70% in sedimentary rocks. The trends with depth are not clear, but there are less fault conduits counted in tunnels at the shallowest depths. The barrier hydraulic behavior of faults is more uncertain and difficult to observe than the conduit.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,063 | 0,180 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,021 | 0,031 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».