Mapping and Monitoring of DNAPL Source Zones With Combined Direct Current Resistivity and Induced Polarization: A Field‐Scale Numerical Investigation
Notice bibliographique
Résumé
Abstract Direct current (DC) resistivity has been widely investigated for non‐invasive mapping of dense non‐aqueous phase liquids (DNAPLs); however, due to its difficulty in distinguishing DNAPLs from adjacent soils, the DC method is limited for static detection of DNAPLs and more often employed for monitoring DNAPL changes over time. Time‐domain induced polarization (IP) can provide complementary information to better discriminate between DNAPL, water and surrounding soils. Since highly resistive DNAPLs tend to laterally spread and pool on polarizable (chargeable) clay lenses, combined DC and IP (DCIP) has the potential to enhance static detection, and also monitoring of DNAPL source zones (SZs). The objective of this study is to assess DCIP for characterizing and monitoring DNAPL SZs at the field‐scale. A new DNAPL‐DCIP numerical model was first developed that couples a 3D multiphase flow model, which simulates DNAPL release and remediation scenarios, with a 3D DCIP model, which calculates the corresponding resistivity and chargeability response. The sensitivity of the DCIP response to key DNAPL and soil properties was then analyzed at a single subsurface location, closely matching previous theoretical and experimental observations. Finally, a field‐scale simulation of DNAPL release and remediation was conducted, with simultaneous mapping by DCIP surveys. Results demonstrate that chargeability can provide enhanced understanding of the lithological distribution that controls the variability in the DNAPL SZ, with time‐lapse resistivity being used to monitor DNAPL mass changes during SZ remediation. This numerical study suggests that combined DCIP can be valuable for site characterization and time‐lapse monitoring performance at DNAPL‐impacted sites.
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 | 0,001 |
| 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) | 0,000 | 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 ».