Groundwater Flow Quantification in Fractured Rock Boreholes Using Active Distributed Temperature Sensing Under Natural Gradient Conditions
Notice bibliographique
Résumé
Abstract Detection and quantification of groundwater flow in fractures is challenging due to its irregular distribution and fine scale, requiring intensive and depth‐discrete field data collection along boreholes. This study presents a new method using fiber optic active distributed temperature sensing (A‐DTS) in sealed boreholes to efficiently quantify depth‐discrete flow rates along the full length of a bedrock borehole. The method combines field data and numerical modeling to quantify groundwater flow rates under natural gradient conditions, which is important for assessing groundwater flow and contaminant transport. An empirical relationship between enhanced heat dissipation and groundwater flow rates is determined using a numerical model of groundwater flow and heat transport for a system of idealized parallel plate fractures in a homogeneous porous rock with negligible flow through the rock matrix. The empirical relationship is applied to a detailed profile of apparent thermal conductivity measured using A‐DTS that combines the effect of rock thermal properties and groundwater flow. In zones with no flow, the A‐DTS‐derived apparent thermal conductivity matches the laboratory effective rock thermal conductivity values measured independently. Local increases of A‐DTS apparent thermal conductivity relative to the rock matrix thermal conductivity can be used to estimate groundwater flow rates using the empirical relationship. The results are in reasonable agreement with straddle pacer tracer dilution tests in the same borehole, which helps to validate the approach. This new approach allows identification of active flow zones and quantification of flow rates and can be efficiently applied in single or multiple boreholes.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».