Signal‐to‐noise ratios of teleseismic receiver functions and effectiveness of stacking for their enhancement
Notice bibliographique
Résumé
We present a method for the measurement of spatially variable signal‐to‐noise (S/N) ratios in multichannel teleseismic receiver function (RF) images. The S/N ratio is defined as a measure of coherency of the final image, and the approach is applicable to any RF imaging technique that employs mapping of the records into depth followed by their summation as the final signal enhancement step. In such methods, all of the converted phases become horizontally aligned in the depth domain, and their coherent (signal) and incoherent (noise) components can be estimated by using stacking statistics. For 10 locations along two subarrays of the Continental Dynamics of Rocky Mountains Project (CD‐ROM) teleseismic array, after a limited RF editing, we apply our method to the image resulting from three‐dimensional (3‐D) prestack RF depth migration. The resulting amplitude S/N values to vary from 0.1 to 0.3 in the individual RFs and from 1 to 5 in the final image, with significant spatial variability. These moderate S/N values argue in favor of sampling redundancy achieved in array recording and multichannel RF processing. In order to further reduce noise in RF images, denser and longer deployments or additional signal enhancement techniques are advisable. Because of its ability to provide direct assessment of image quality in three dimensions, including its dependence on the frequency band and data coverage, our method can also be potentially used for real‐time array tuning and image focusing required for moving arrays proposed for the USArray program.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».