ASTM D5408-93(1998)
描述地下水位置的数据元集标准指南;第一部分:附加识别描述符

Standard Guide for Set of Data Elements to Describe a Ground-Water Site; Part One-Additional Identification Descriptors


ASTM D5408-93(1998) 发布历史

ASTM D5408-93(1998)由美国材料与试验协会 US-ASTM 发布于 1993。

ASTM D5408-93(1998)的历代版本如下:

  • 1993年 ASTM D5408-93(2010)e1 描述地下水位置的数据元集标准指南;第一部分:附加识别描述符
  • 1993年 ASTM D5408-93(2004) 描述地下水位置的数据元集标准导则:第1部分:附加识别描述符
  • 1993年 ASTM D5408-93(1998) 描述地下水位置的数据元集标准指南;第一部分:附加识别描述符

 

1.1 本指南是与实践 D5254 结合使用的三个指南的第一部分,该实践描述了描述地下水数据收集或采样点所需的数据。本指南描述了识别地下水位点所需的最小数据元素集之外的其他信息。第二部分确定了场地的物理描述符,例如施工,而第三部分确定了单个地下水场地的使用描述符,例如监测。注 1:地下水点的定义是能够从地球表面以下的自然地层产生水或水文数据的任何水源、位置或采样站。源或设施可以包括井、泉水或渗漏以及排水管或隧道(方向接近水平)。其他水源,例如挖掘、驱动装置、钻孔、池塘、湖泊和污水坑,可以证明与地下水有水力连接,也适合预期用途。注 2-第二部分(指南 D5409)包括各个场地特征描述符(7 个数据元素)、施工描述符(56 个数据元素)、升降描述符(16 个数据元素)、地质描述符(26 个数据元素)、水力描述符(20 个数据元素) )和 spring 描述符(11 个数据元素)。第三部分(指南 D5410)包括监测描述符(77 个数据元素)、灌溉描述符(4 个数据元素)、废物场描述符(9 个数据元素)和退役描述符(8 个数据元素)。有关本指南中的描述符列表,请参阅第 4 节。

1.2 这些数据元素采用地下水水文学家使用的术语进行描述。标准参考文献,例如地质学术语表和各种水文地质专业出版物,用于确定这些定义。许多建议的要素及其代表性代码是由美国地质调查局水资源部制定的,并在国家水信息系统计算机化数据库中使用(1-9)。注 3 - 本指南的目的是建议可以为地下水地点收集的数据元素。这并不唯一意味着计算机数据库,而是用于输入任何类型的永久文件的数据元素。注4-与某些数据元素一起给出的组件和代码列表,例如“其他数据的格式”,仅是建议。这些列表可以根据维护地下水数据文件的公司或机构的预期目的进行修改、扩展或减少。注 5 - 本指南中使用的商品名称仅用于识别目的,并不构成 ASTM 的认可。

1.3 本指南包括除“最小数据元素集”中给出的数据元素之外的识别地下水位所需的数据元素。数据元素的一些示例是地图标识、许可事实和支持信息。没有一个站点需要每个数据元素,例如,许多地下水站点不需要法定记录组中描述的数据元素。站点的每条记录(相关数据元素组)都具有强制数据元素,例如所有权记录的日期。然而,仅当为站点收集特定记录时,这些元素才被认为是必要的。

1.4 以英寸-磅为单位的数值应被视为标准值。括号中给出的 SI 单位仅供参考。

1.5 本标准并不旨在解决与其使用相关的所有安全问题(如果有)。本标准的使用者有责任在使用前建立适当的安全和健康实践并确定监管限制的适用性。

标准号
ASTM D5408-93(1998)
发布
1993年
发布单位
美国材料与试验协会
替代标准
ASTM D5408-93(2004)
当前最新
ASTM D5408-93(2010)e1
 
 

推荐

基于WinUSB实现嵌入式USB免驱设备通信方式(二)

3、查询设备以获取 USB 描述符:接下来,查询设备以获取特定于 USB 信息,如设备速度、接口描述符、相关端点及其管道。调用 WinUsb_QueryDeviceInformation 从设备设备描述符请求信息。调用 WinUsb_QueryInterfaceSettings 并传递设备接口句柄,以获得对应接口描述符。...

:通过描述符和机器学习了解X射线吸收光谱

Martini等人提出了XANES光谱分析另一种概念,该概念基于机器学习(ML)算法并建立了光谱描述符结构描述符之间关系。一方面,光谱描述符包括边缘位置、强度、位置和曲率极值等,另一方面与局部原子结构和电子结构有关描述符则是配位数、键长、键角和氧化态,这种方法克服了理论谱和实验谱之间存在系统差异问题。...

《Nature》新子刊:基于证据高熵合金推荐系统!

为了评估ERS,研究者将其HEA推荐能力与基于矩阵分解和监督学习推荐系统,在4个已知高达5个成分合金数据上进行了比较。数据k倍交叉验证表明ERS优于所有竞争者。此外,ERS在推荐四和五HEAs方面显示出了良好外推能力。研究者通过实验验证了最推荐Fe-Co基磁性HEA(即FeCoMnNi),并证实其薄膜为体心立方结构。(文:水生)图1 ERS方法说明。...

数据为材料研究创造新机遇:材料设计机器学习方法与应用综述

与CAMD问题类似,典型材料设计任务可以如下定义:给定一个从实验和(或)第一原则计算获得{材料→性质}数据,具有最佳特性最佳材料结构和成分是什么?对于材料设计,最关键步骤是建立一个关联模型,该模型可以基于给定{材料→性质}数据,准确描述输入特定于材料特征(通常为结构特征)与感兴趣特性之间关系。...





Copyright ©2007-2022 ANTPEDIA, All Rights Reserved
京ICP备07018254号 京公网安备1101085018 电信与信息服务业务经营许可证:京ICP证110310号