Multiple Lines of Evidence for Estimating NSZD Rates Overlying a Shallow LNAPL Source Zone
Notice bibliographique
Résumé
Abstract Quantitative methods of monitoring natural source zone depletion (NSZD) via biodegradation of petroleum hydrocarbons (PHC) are required to investigate source zone longevity and guide long‐term management of PHC impacted sites. Vadose zone NSZD processes can be monitored using analysis of surficial CO 2 effluxes, soil‐gas gradients, and thermal gradients. This study describes an applied research and development program conducted at a former refinery site over a 4‐year period (2015 to 2019) on quantitative technologies for evaluation of NSZD of PHC light nonaqueous phase liquid (LNAPL) present within a shallow soil zone. A multiyear study using discrete CO 2 efflux measurements from dynamic closed chambers was compared with estimates obtained using static traps and continuous monitoring using forced diffusion (FD) technology. Thermistor strings along a transect were used to monitor hourly thermal gradients and assess NSZD rates using the temperature gradient method. Discrete soil‐gas data were used to quantify the vertical oxygen gradient to estimate NSZD rates using the concentration gradient method (CGM). Results of discrete and continuous monitoring methods provide estimates of monthly NSZD rates that range seasonally from 80 to 1300 US gal/acre/year using radiocarbon corrected CO 2 efflux method for decane (C 10 H 22 ) equivalent, 120 to 1600 US gal/acre/year using CGM (for wet to dry conditions) and 400 to 2000 US gal/acre/year using the temperature gradient method. Both seasonal temperature and precipitation fluctuations contribute to variability in rates. Continuous methods are shown to provide for improved resolution of temporal variability and seasonal estimates, although discrete methods provide for improved spatial quantification.
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 ».