Drilling within the critical zone
Notice bibliographique
Résumé
The critical zone (CZ), extending from the vegetation canopy to unweathered bedrock, hosts coupled hydrologic, geochemical, and biological interactions that regulate soil health, water resources, and ecosystem sustainability. The subsurface CZ can extend tens of meters below the surface and is largely inaccessible, except in happenstance exposure from quarries or road cuts through mountain hillsides. Drilling and subsequent borehole sampling, monitoring and imaging reveal the importance of the deep subsurface for CZ evolution and function. However, drilling can be labor-intensive, require expensive, specialized equipment, and can only be done where the equipment can be deployed, limiting the number and placement of boreholes. To empower the next generation of critical zone scientists to employ drilling and downhole techniques, this review synthesizes emerging research objectives and methods commonly used during CZ drilling campaigns over the last 30 years. We focus on three CZ research themes: (1) physical and chemical weathering, (2) subsurface water storage and flow, and (3) solute, microbial, and gas dynamics. For each theme, we evaluate drilling techniques, sampling strategies, downhole logging approaches, long-term monitoring, and analytical methods that collectively enable diverse hypothesis-testing. We conclude by providing a vision for the future of drilling within the CZ, with a focus on novel drilling techniques aimed at recovering saprolitic material as well as borehole designs that can monitor and sample the vadose zone. Additionally, we emphasize that near-surface geophysics and data-model integration efforts are needed to expand borehole observations to the larger scales that are necessary to advance CZ science and inform ecosystem and water resource management.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».