<scp>Free‐Phase</scp> Gas Detection in Groundwater Wells via Water Pressure and Continuous Field Parameters
Notice bibliographique
Résumé
Abstract Detection of free‐phase gas (FPG) in groundwater wells is critical for accurate assessment of dissolved gas concentrations and the occurrence of FPG in the subsurface, with consequent implications for understanding groundwater contamination and greenhouse gas emissions. However, identifying FPG is challenging during routine groundwater monitoring and there is poor agreement on the best approach to detect the occurrence of FPG in groundwater. In this study, laboratory experiments in a water column were designed to mimic nonflowing and flowing conditions in a groundwater well to evaluate how the presence of FPG affects water pressure and commonly used continuous field parameters. The laboratory results were extrapolated to interpret field data at an abandoned exploration well with episodic release of free‐gas CO 2 . The FPG effect on water pressure varied between flowing and nonflowing wells, and depending on whether the FPG was above or below the sensor. Electrical conductivity values were decreased and/or behaved erratically when FPG was present in the water column. Findings from this study have shown that the combined measurement of water pressure, electrical conductivity, and total dissolved gas pressure can provide information about the occurrence of FPG in groundwater wells. Measurement of these parameters at different depths can also provide information about relative depths and amounts of FPG within the well water column. This approach can be used for long‐term monitoring of groundwater gases, managing gas‐locking in production wells with gassy groundwater, and measuring fugitive greenhouse gas emissions from groundwater wells.
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 | 0,000 |
| 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) | 0,001 | 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 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 ».