From Field to Flow: Assessing River-Aquifer Dynamics in Tropical Regions with In-Situ Dataset Insights
Notice bibliographique
Résumé
In recent years, the scientific community has directed significant attention towards understanding river-aquifer interactions due to their pivotal role in hydrological and biogeochemical processes with implications for solving diverse engineering challenges. Despite the growing focus on these interactions, most studies remain confined to local scales, hindering their incorporation into comprehensive continental-scale water resources management. Addressing this gap, our study pioneers the empirical verification of river-aquifer flow directions (characterizing losing or gaining rivers) in a tropical context. We leveraged an extensive database comprising approximately 150 thousand wells spanning the entirety of Brazil, and we developed empirical power equations using data from around 500 river gauge stations to estimate river water levels under low-flow conditions. To ascertain the flow direction of river-aquifer interactions, we compared hydraulic gradients between groundwater levels of wells and their nearest rivers. A river was classified as losing when its water levels were above those of neighboring wells, indicating potential water loss to underlying aquifers. Stringent connectivity criteria were applied, including a maximum distance of 1 km between wells and rivers, well depth not exceeding 100 meters, and exclusion of wells in confined aquifers. Our study conducted systematic robustness checks, exploring the sensitivity of the data to chosen time intervals, variations in river water levels under low-flow conditions, and the inclusion of confined aquifers. Our findings reveal that more than half of Brazilian rivers are prone to losing water to underlying aquifers. The results underscore the significance of our in-situ data-driven methodology, indicating that losing rivers, widespread throughout Brazilian territory, may serve as potential points of groundwater contamination. Particularly crucial in tropical regions with elevated organic matter input into rivers, given the inadequate wastewater treatment. The findings emphasize the critical necessity of analyzing river-aquifer interactions for effective water resource management on both local and continental scales.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».