Stochastic Heterogeneity Mapping around a Mediterranean salt lens
Notice bibliographique
Résumé
Abstract. We present the first application of Stochastic Heterogeneity Mapping based on the band-limited von Kármán function to a seismic reflection stack of a Mediterranean water eddy (meddy), a large salt lens of Mediterranean water. This process extracts two stochastic parameters directly from the reflectivity field of the seismic data: the Hurst number, which ranges from 0 to 1, and the correlation length (scale length). Lower Hurst numbers represent a richer range of high wavenumbers and correspond to a broader range of heterogeneity in reflection events. The Hurst number estimate for the top of the meddy (0.39) compares well with recent theoretical work, which required values between 0.25 and 0.5 to model internal wave surfaces in open ocean conditions based on simulating a Garrett-Munk spectrum (GM76) slope of −2. The scale lengths obtained do not fit as well to seismic reflection events as those used in other studies to model internal waves. We suggest two explanations for this discrepancy: (1) due to the fact that the stochastic parameters are derived from the reflectivity field rather than the impedance field the estimated scale lengths may be underestimated, as has been reported; and (2) because the meddy seismic image is a two-dimensional slice of a complex and dynamic three-dimensional object, the derived scale lengths are biased to the direction of flow. Nonetheless, varying stochastic parameters, which correspond to different spectral slopes in the Garrett-Munk spectrum (horizontal wavenumber spectrum), can provide an estimate of different internal wave scales from seismic data alone. We hence introduce Stochastic Heterogeneity Mapping as a novel tool in physical oceanography.
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 | 0,001 | 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».