Predicting Subsurface Architecture From Surface Channel Networks in the Bengal Delta
Notice bibliographique
Résumé
Abstract Groundwater is the primary source of water in the Bengal Delta but contamination threatens this vital resource. In deltaic environments, heterogeneous sedimentary architecture controls groundwater flow; therefore, characterizing subsurface structure is a critical step in predicting groundwater contamination. Here, we show that surface information can improve the characterization of the nature and geometry of subsurface features, thus improving the predictions of groundwater flow. We selected three locations in the Bengal Delta with distinct surface river network characteristics—the lower delta with straighter tidal channels, the mid‐delta with meandering and braided channels, and the inactive delta with transitional sinuous channels. We used surface information, including channel widths, depths, and sinuosity, to create models of the subsurface with object‐based geostatistical simulations. We collected an extensive set of lithologic data and filled in gaps with newly drilled boreholes. Our results show that densely distributed lithologic data from active lower and mid‐delta are consistent with the object‐based models generated from surface information. In the inactive delta, metrics from object‐based models derived from surface geometries are not consistent with subsurface data. We further simulated groundwater flow and solute transport through the object‐based models and compared these with simulated flow through lithologic models based only on variograms. Substantial differences in flow and transport through the different geologic models show that geometric structure derived from surface information strongly influences groundwater flow and solute transport. Land surface features in active deltas are therefore a valuable source of information for improving the evaluation of groundwater vulnerability to contamination.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».