Temporal and spatial properties of some deep moonquake clusters
Notice bibliographique
Résumé
Using the event search method of Bulow et al. (2005), we have found 503 new deep moonquakes among the eight largest (in terms of total number) nearside source regions, increasing the number of identified events for each cluster an average of 36% over the existing catalog. These new events provide an improved deep event catalog, with which we explore some temporal and spatial aspects of deep moonquakes. First, we examine the spectra of moonquake occurrence times at each deep source region, and observe known tidal periodicities, notably those at ∼27 days and 206 days. Application of spectral methods for the analyses of point processes (discrete events) allows us to resolve closely spaced tidal periods not previously seen in moonquake data. Second, we pick seismic phase arrival times from optimized stacks of events from each source region. We use these picks, along with published velocity models, to relocate the nine source regions. Source regions A1 and A18 are the best located, with 95% confidence bounds of less than ±5° in latitude and longitude, and consistent with estimates from different studies. The locations of source regions A8 and A9 are poorly constrained, with uncertainties in latitude of up to ±28° resulting from the absence of clear phase arrivals at station 15. Large trade‐offs exist between relocation estimates and choice of velocity model, and the lack of reliable seismic phase arrivals severely affects location error.
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 | 0,002 | 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 | 0,001 |
| 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 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 ».