MétaCan
Menu
Retour à la cohorte
Enregistrement W4411329666 · doi:10.1016/j.watres.2025.124040

Surface-water-irrigation return flow dominates groundwater recharge, groundwater age and nitrate dynamics in an alluvial basin aquifer

2025· article· en· W4411329666 sur OpenAlexaff
Mariachiara Caschetto, Elisa Sacchi, Daniele L. Pinti, Carlo Riparbelli, S. Bruno, Chiara Zanotti, Tullia Bonomi, Marco Rotiroti

Notice bibliographique

RevueWater Research · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGroundwater and Isotope Geochemistry
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesUniversità degli Studi di Milano-BicoccaFondazione Cariplo
Mots-clésGroundwater rechargeGroundwaterHydrology (agriculture)AquiferDepression-focused rechargeStructural basinSurface waterGroundwater modelIrrigationGeologyGroundwater flowAlluviumGroundwater dischargeReturn flowEnvironmental scienceFlow (mathematics)GeomorphologyEnvironmental engineeringGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

In agricultural regions where crop water demand is met by surface-water irrigation, excess irrigation water can play a fundamental role in aquifer recharge and contaminant mobilization. Despite much research, the role of surface-water-irrigation return flow in groundwater recharge, flow processes and nitrate pollution is not yet fully understood. It is therefore addressed here using the case of the Po Plain in northern Italy. Tracers of groundwater recharge (stable isotopes in water and Cl/Br ratio), age tracers (CFCs, SF 6 , 3 H- 3 He, noble gases) and long-term average nitrate concentrations measured/calculated from a 64-point monitoring network revealed the dominant role of surface-water-irrigation return flow in recharging the aquifer (median contribution of 64.4% to total recharge in irrigated areas), with effects even on groundwater apparent ages and nitrate concentrations. Regional groundwater flow from north to south gradually mixes with a vertical inflow of younger water from excess irrigation, inducing a renewal effect that rejuvenates groundwater ages and even reverses the typical increasing age trend along a flowpath. The median apparent age of 39 years in areas with no or non-intensive irrigation (i.e., recharge by surface-water-irrigation return flow <60%) decreases to 27 years where intensive irrigation (recharge by surface-water-irrigation return flow >60%) is practiced. At the same time, groundwater nitrate concentration increases progressively with increasing recharge by surface-water-irrigation return flow up to 60%. Then it decreases in intensively irrigated areas with a decrease rate of 7.2 mg/L of nitrate for a 10% increase in recharge by surface-water-irrigation return flow. This decrease in nitrate is due to dilution and flushing promoted by the greater volume of water infiltrating the soil under intensive irrigation. However, under non-intensive irrigation, nitrate leaching from fertilized soils still dominates and causes an increase in groundwater nitrate concentration. These results show that groundwater nitrate concentration is mainly controlled by hydrogeological processes such as dilution and flushing on a short-time scale rather than by reduction of nitrate sources, which can certainly abate nitrate concentrations in groundwater but on a long-time scale. These findings could serve as a valuable reference for other surface-water-irrigated areas worldwide with similar hydrogeological settings, highlighting critical aspects for sustainable management of water resources.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,057
Score d'incertitude au seuil0,114

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,034
Tête enseignante GPT0,286
Écart entre enseignants0,253 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations12
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueWater ResearchMême sujetGroundwater and Isotope GeochemistryTravaux en français237 207