Joining multiple AEM datasets to improve accuracy, cross calibration and derived products: The Spiritwood VTEM and AeroTEM case study
Notice bibliographique
Résumé
ABSTRACT Airborne time‐domain electromagnetic methods (AEM) are useful for hydrogeological mapping due to their rapid and extensive spatial coverage and high correlation between measured magnetic fields, electrical conductivity, and relevant hydrogeological parameters. However, AEM data, preprocessing and modelling procedures can suffer from inaccuracies that may dramatically affect the final interpretation. We demonstrate the importance and the benefits of advanced data processing for two AEM datasets (AeroTEM III and VTEM) collected over the Spiritwood buried valley aquifer in southern Manitoba, Canada. Early‐time data gates are identified as having significant flight‐dependent signal bias that reflects survey flights and flight lines. These data are removed from inversions along with late time data gates contaminated by apparently random noise. In conjunction with supporting information, the less‐extensive, but broader‐band VTEM data are used to construct an electrical reference model. The reference model is subsequently used to calibrate the AeroTEM dataset via forward modelling for coincident soundings. The procedure produces calibration factors that we apply to AeroTEM data over the entire survey domain. Inversion of the calibrated data results in improved data fits, particularly at early times, but some flight‐line artefacts remain. Residual striping between adjacent flights is corrected by including a mean empirical amplitude correction factor within the spatially constrained inversion scheme. Finally, the AeroTEM and VTEM data are combined in a joint inversion. Results confirm consistency between the two different AEM datasets and the recovered models. On the contrary, joint inversion of unprocessed or uncalibrated AEM datasets results in erroneous resistivity models which, in turn, can result in an inappropriate hydrogeological interpretation of the study area.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».