Surface wave sensitivity: mode summation versus adjoint SEM
Notice bibliographique
Résumé
We compare finite-frequency phase and amplitude sensitivity kernels calculated based on frequency-domain surface wave mode summation and a time-domain adjoint method. The adjoint calculations involve a forward wavefield generated by an earthquake and an adjoint wavefield generated at a seismic receiver. We determine adjoint sources corresponding to frequency-dependent phase and amplitude measurements made using a multitaper technique, which may be applied to any single-taper measurement, including box car windowing. We calculate phase and amplitude sensitivity kernels using an adjoint method based on wave propagation simulations using a spectral element method (SEM). Sensitivity kernels calculated using the adjoint SEM are in good agreement with kernels calculated based on mode summation. In general, the adjoint SEM is more computationally expensive than mode summation in global studies. The advantage of the adjoint SEM lies in the calculation of sensitivity kernels in 3-D earth models. We compare surface wave sensitivity kernels computed in 1-D and 3-D reference earth models and show that (1) lateral wave speed heterogeneities may affect the geometry and amplitude of surface wave sensitivity; (2) sensitivity kernels of long-period surface waves calculated in 1-D model PREM and 3-D models S20RTS+CRUST2.0 and FFSW1+CRUST2.0 do not show significant differences, indicating that the use of a 1-D reference model is adequate in global inversions of long-period surface waves (periods of 50 s and longer); and (3) the differences become significant for short-period Love waves when mode coupling is sensitive to large differences in reference crustal structure. Finally, we show that sensitivity kernels in anelastic earth models may be calculated in purely elastic earth models provided physical dispersion is properly accounted for.
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) | 0,003 | 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 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 ».