Distribution of Vapor and Condensate in a Hydrothermal System: Insights From Self‐Potential Inversion at Mount Tongariro, New Zealand
Notice bibliographique
Résumé
Abstract Inversion of self‐potential data for source current density, j s , in complex volcanic settings, yields hydrological information without the need for a prior groundwater flow model; j s contains information about pH, pore saturation, and permeability, from which we infer the distribution of liquid and vapor phases. To understand the hydrothermal flow dynamics and hydraulic connectivity between surface thermal features at Mount Tongariro volcano, New Zealand, we undertook a reconnaissance scale self‐potential survey and developed an inversion routine for j s , constrained by an existing 3‐D conductivity model from magnetotelluric measurements. The 3‐D distribution of j s at Mount Tongariro reveals a discontinuous zero j s zone interpreted as vapor or residually saturated pore space, surrounded by low to moderate j s interpreted as circulating condensate liquid. Bounding faults act as conduits for down flowing groundwater or condensate, as well as barriers for the hydrothermal system. Localized small‐scale circulation associated with individual surface thermal features, rather than a single circulating system, accounts for the lack of widespread anomalous geochemical observations prior to the 2012 Te Maari eruption.
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 | 0,001 |
| 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 ».