Quantification of Advective Transport Phenomena to Better Understand Dispersion in the Field
Notice bibliographique
Résumé
Observation of dispersion in field situations has left three issues that may be better understood by applying advective transport phenomena. (1) In some experiments, the longitudinal dispersivity becomes constant with increasing pathlength and in other cases it remains growing. (2) Dispersivities reported from multiple comprehensive observations at a single site differ at similar pathlength in some cases more than a factor two. (3) The observed difference between the plume fronts and plume tails is not represented in the reported parameters. The analytic equations for advective transport phenomena at macroscale of De Lange (2020) describe the thickness of the affected flow-tube and the spread of the plume front and tail. The scale factor defines the size of the averaging domain and so of the initial phase. The new macroscale correlation coefficient relates the growth of the longitudinal dispersivity beyond the initial phase to the aquifer heterogeneity. Using stochastic parameters for the aquifer heterogeneity, the parameters are quantified at 14 field experiments in the United States, Canada and Europe enabling the comparison of calculated and reported final dispersivities. Using the quantified parameters, 146 reported and calculated dispersivities along the traveled paths show a good match. A dispersivity derived from the local plume growth may differ a factor of two from the aquifer-representative value. The growths of plume fronts and tails between two plume stages are assessed in 14 cases and compared to calculated values. Distinctive parameters for the plume front and tail support better understanding of field situations. A user-ready spreadsheet is provided.
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) | 0,000 | 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 ».