Automated identification of lava flow structures using local Fourier spectrum of digital elevation data
Notice bibliographique
Résumé
The rheological parameters of a lava flow can be inferred by studying structural features on the solidified lava surface. We have developed a technique using the S‐transform (a localized Fourier transform) to analyze and interpret digital elevation data. We examined structural features of a silicic lava flow, the Medicine Lake dacite flow in California. The S‐transform accurately identified and located both repeating and single‐instance structures. Several classes of structures were identified in the data, including the following: localized short wavelength features (1.3–3.6 m in wavelength) identified as large blocks and repeating medium wavelength features (5–8, 10–16, 18–26, 30–36, and 56–67 m in wavelength) identified as multiple generations of crustal folding. Fold wavelengths determined by the S‐transform and a model of compressional folding associated with near surface viscosity gradients were used to evaluate the rheology of the Medicine Lake dacite flow. The similarity of the amount of strain during folding events and the wavelength ratio of successive generations of folding suggest that the flow rheology remained relatively constant during folding of the flow surface. Repeating long wavelength features (67–70‐ and 105–140‐m wavelengths) were identified as the spacing of crease structures. Crease structures were recognized by the absence of short wavelength features at the location of their smooth flanks and by a central spike corresponding to the central trough. The limitations and applicability of this approach lie in the accuracy and resolution of the digital elevation data used.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».