Near-surface electromagnetic induction — Introduction
Notice bibliographique
Résumé
There has been explosive growth in near-surface electromagnetic (EM) induction geophysics in the past several years (Everett, 2012). New and experienced practitioners are achieving great success in applying the method to an increasing variety of problems. Moreover, theorists are becoming better able to exploit the rich information content that is available in electromagnetic induction data sets. The EM induction method, with its broad opportunities to design new transmitters, receivers, and interpretation tools, continues to offer wide avenues to capture the spatial complexity of the subsurface. This special Geophysics issue brings forward the latest achievements, which should stimulate interest across a broad spectrum of geophysicists, as well as set the tone for continuing developments in this field. This special issue contains advances in theory, instrumentation, data processing and interpretation, and innovative applications of near-surface applied EM induction geophysics. The range of topics is varied and, as described below, includes modeling and inversion, airborne electromagnetics, hydrogeophysics, soil science, audiomagnetotellurics, unexploded ordnance (UXO) discrimination, archaeology, geothermal mapping, and joint inversion of EM and magnetic resonance sounding data. Vrbancich analyzes helicopter time-domain EM data acquired over shallow seawater overlying reefs and sediment-filled paleovalleys. A favorable comparison is shown of water depths and sediment thickness derived from 1D inversion with known bathymetry and independent marine seismic …
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 | 0,001 |
| 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) | 0,001 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».