Research Hotspots and Trend Analysis in Modeling Groundwater Dense Nonaqueous Phase Liquids Contamination based on Bibliometrics
Notice bibliographique
Résumé
Groundwater contamination by dense nonaqueous phase liquids (DNAPLs) poses a severe environmental threat due to their persistence and toxicity. Modeling DNAPL contamination is essential for understanding their distribution, predicting contaminant spread, and developing effective remediation strategies, but it is also challenging due to their complex multiphase behavior. Over the past few decades, researchers have developed various models, including multiphase flow, mass transfer, and solute transport models, to simulate the distribution of DNAPLs. To understand the research trends in DNAPL modeling in groundwater, a bibliometric analysis was conducted using CiteSpace based on 614 publications from the WoS Core Collection database (1993–2023). The publications were statistically analyzed, and the research hotspots and trends were summarized. The statistical analysis of the publications indicates that the United States is leading the international research on DNAPL models, followed by China and Canada; the collaboration between countries and disciplines in this field needs to be strengthened. Keyword clustering and burst detection reveal that the current research hotspots focus on multiphase flow models, mass transfer models, back diffusion, and practical applications of the models; the research trends are centered on back diffusion mechanisms, the characterization of contamination source zones, and prediction of the contaminant distribution at real-world sites, as well as optimization of the remediation strategies.
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 | 0,005 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,125 | 0,177 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».