MétaCan
Menu
Retour à la cohorte
Enregistrement W4393990940 · doi:10.1029/2024ef004496

Acceleration of Deep Subsurface Fluid Fluxes in the Anthropocene

2024· article· en· W4393990940 sur OpenAlexafffund
Grant Ferguson, Lydia Bailey, Ji‐Hyun Kim, Magdalena R. Osburn, Peter W. Reiners, Henrik Drake, Bradley S. Stevenson, Jennifer C. McIntosh

Notice bibliographique

RevueEarth s Future · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCO2 Sequestration and Geologic Interactions
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Science Foundation
Mots-clésAnthropoceneAccelerationGeologyEarth scienceEnvironmental scienceAstrobiologyPetroleum engineeringPaleontologyPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract The Anthropocene has been framed around humanity's impact on atmospheric, biologic, and near‐surface processes, such as land use and vegetation change, greenhouse gas emissions, and the above‐ground hydrologic cycle. Groundwater extraction has lowered water tables in many key aquifers but comparatively little attention has been given to the impacts in the deeper subsurface. Here, we show that fluid fluxes from the extraction and injection of fluids associated with oil and gas production and inflow of water into mines likely exceed background flow rates in deep (>500 m) groundwater systems at a global scale. Projected carbon capture and sequestration (CCS), geothermal energy production, and lithium extraction to facilitate the energy transition will require fluid production rates exceeding current oil and co‐produced water extraction. Natural analogs and geochemical modeling indicate that subsurface fluid manipulation in the Anthropocene will likely appear in the rock record. The magnitude and importance of these changes are unclear, due to a lack of understanding of how deep subsurface hydrologic and geochemical cycles and associated microbial life interact with the rest of the Earth system.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,453
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,256
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEarth s FutureMême sujetCO2 Sequestration and Geologic InteractionsTravaux en français237 207