Spectral velocity analysis for the determination of ground‐wave velocities and their uncertainties in multi‐offset GPR data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT In many hydrological applications, ground‐wave velocity measurements are increasingly used to map and monitor shallow soil water content. In this study, we propose an automated spectral velocity analysis method to determine the direct ground‐wave (DGW) velocity from common midpoint (CMP) or multi‐offset ground‐penetrating radar (GPR) data. The method introduced in this paper is a variation of the well‐known spectral velocity analysis for seismic and GPR reflection events where velocity spectra are computed using different coherency measures along hyperbolas following the normal moveout model. Here, the unnormalized cross‐correlation is computed between waveforms across data gathers that are corrected with a linear moveout equation using a predefined range of velocities. Peaks in the resulting velocity spectra identify linear events in the GPR data gathers like DGW events and allow for estimating the corresponding velocities. In addition to obtaining a DGW velocity measurement, we propose a robust method to estimate the associated velocity uncertainties based on the width of the peak in the calculated velocity spectrum. Our proposed method is tested on synthetic data examples to evaluate the influence of subsurface velocity, surveying geometry and signal frequency on the accuracy of estimated ground‐wave velocities. In addition, we investigate the influence of such velocity uncertainties on subsequent soil water content estimates using an established petrophysical relationship. Furthermore, we apply our approach to analyse field data, which were collected across a test site in Canada to monitor a wide range of seasonal soil moisture variations. A comparison between our spectral velocity estimates and results derived from manually picked ground‐wave arrivals shows good agreement, which illustrates that our spectral velocity analysis is a feasible tool to analyse DGW arrivals in multi‐offset GPR data gathers in an objective and more automated manner.
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.
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 découle