Groundwater Flow and Moisture Dynamics in the Swash Zone: Effects of Heterogeneous Hydraulic Conductivity and Capillarity
Notice bibliographique
Résumé
Abstract A density‐dependent, variably saturated groundwater flow and solute transport model was used to investigate the influence of swash motions on subsurface flow and moisture dynamics in beach aquifers with heterogeneous distributions of hydraulic conductivity ( K ) and capillarity. The numerical simulations were performed within a Monte Carlo framework using field measurements conducted in the swash zone of a sandy beach. Our results show that heterogeneous capillarity causes spatially variable capillary rise above the groundwater table. In response to swash motions, heterogeneity creates capillary barriers that result in pockets of elevated moisture content beneath the swash zone. These moisture hotspots persist within the unsaturated zone even at ebb tide when the swash motions recede seaward. Heterogeneous capillarity also results in highly tortuous preferential flow paths and alters the flow rates from the sand surface to the water table. Heterogeneous K greatly enhances the seawater infiltration into the swash zone and modulates its spatial distribution along the beach surface. Due to heterogeneous K and capillarity, complex mixing patterns emerge. Both strain‐dominated and vorticity‐dominated flow regions develop and dissipate as tides and waves move across the beach surface. Complex mixing patterns of seawater percolating from the swash zone surface to the water table, with localized areas of high and low mixing intensities, are further demonstrated by analysis of dilution index. Our findings reveal the influence of geologic heterogeneity on swash zone moisture and flow dynamics, which may have important implications for sediment transport and chemical processing in beach aquifers.
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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».