MétaCan
Menu
Retour à la cohorte
Enregistrement W3166949690 · doi:10.5194/hess-25-6001-2021

Gravity as a tool to improve the hydrologic mass budget in karstic areas

2021· article· en· W3166949690 sur OpenAlexfundno aff
Tommaso Pivetta, Carla Braitenberg, Franci Gabrovšek, Gerald Gabriel, Bruno Meurers

Notice bibliographique

RevueHydrology and earth system sciences · 2021
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeophysics and Gravity Measurements
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Social FundNatural Sciences and Engineering Research Council of CanadaHagler Institute for Advanced Study, Texas A&M UniversityBundesministerium für Wirtschaft und EnergieJavna Agencija za Raziskovalno Dejavnost RSDeutsches Zentrum für Luft- und RaumfahrtMinisterium für Wissenschaft, Forschung und Kunst Baden-WürttembergDeutsche ForschungsgemeinschaftCarl-Zeiss-StiftungAlexander von Humboldt-Stiftung
Mots-clésGravimeterGroundwater rechargeKarstHydrology (agriculture)GeologyHydrological modellingGravimetrySpring (device)Environmental scienceGroundwaterAquiferGeotechnical engineeringPetroleum engineeringClimatology

Résumé

récupéré en direct d'OpenAlex

Abstract. Monitoring the water movements in karstic areas is a fundamental but challenging task due to the complexity of the drainage system and the difficulty in deploying a network of observations. Gravimetry offers a valid complement to classical hydrologic measurements in order to characterize such systems in which the recharge process causes temporarily accumulation of large water volumes in the voids of the epi-phreatic system. We show an innovative integration of gravimetric and hydrologic observations that constrains a hydrodynamic model of the Škocjan cave system (Slovenia). We demonstrate how the inclusion of gravity observations improves water mass budget estimates for the Škocjan area based on hydrological observations only. Finally, the detectability of water storage variations in other karstic contexts is discussed with respect to the noise performances of spring and super-conducting gravimeters.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,444

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,215
Écart entre enseignants0,201 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHydrology and earth system sciencesMême sujetGeophysics and Gravity MeasurementsTravaux en français237 207