Thermophysical properties of surficial rocks: a tool to characterize geothermal resources of remote northern regions
Notice bibliographique
Résumé
Abstract The energetic framework of Canadian remote communities relies on fossil fuels. This has adverse environmental and energy security issues. In order to offset diesel consumption, the search for local, sustainable and carbon-free energy sources is of utmost importance. Unfortunately, in such remote regions, subsurface data to evaluate the geothermal potential is often nonexistent. This raises a key question: how to characterize geothermal resources associated to petrothermal systems based on surface data? Answering this question is the purpose of this work highlighting how outcrops can be used as deep subsurface analogues. The variability induced by laboratory methods to characterize thermophysical properties is further evaluated in the estimation of the present-day temperature at depth. The community of Kuujjuaq, Canada, is used as an example where guidelines are defined to evaluate the steady-state geotherm. Rock samples were collected and analyzed with a guarded heat flow meter and an optical scanner to determine thermal conductivity. Radiogenic elements concentration was evaluated with gamma-ray and mass spectrometry. 2D temperature models were built taking into account the regional geology and the results obtained from the different laboratory methods. A base-case temperature of 57–88 °C at 5 km is predicted below Kuujjuaq. This range is based on different methods used to evaluate both thermal conductivity and internal heat generation. The work conducted in Kuujjuaq shows that the combination of gamma-ray spectrometry and optical scanning gives lower base-case temperature predictions when compared to mass spectrometry combined with the guarded heat flow meter. Despite the nonexistence of deep temperature measurements in northern regions, the assessment of thermophysical properties from outcrops is shown to be a useful tool for a preliminary assessment of geothermal resources in remote areas facing critical energy issues.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».