MétaCan
Menu
Retour à la cohorte
Enregistrement W2119423854 · doi:10.1002/grl.50298

Numerical simulations on megathrust rupture stabilized under strong dilatancy strengthening in slow slip region

2013· article· en· W2119423854 sur OpenAlexafffund
Yajing Liu

Notice bibliographique

RevueGeophysical Research Letters · 2013
Typearticle
Langueen
DomaineEarth and Planetary Sciences
Thématiqueearthquake and tectonic studies
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMcGill UniversityWoods Hole Oceanographic InstitutionNational Science Foundation
Mots-clésSlip (aerodynamics)GeologyDilatantEpisodic tremor and slipSubductionSeismologyFault (geology)Geotechnical engineeringTectonics

Résumé

récupéré en direct d'OpenAlex

Episodic slow slip events (SSEs) typically involve a few millimeters to centimeters of slip over several days to months at depths near or further downdip of megathrust seismogenic zones. Despite its widespread presence in subduction margins, it remains unknown how SSEs interact with the seismogenic zone and affect megathrust ruptures. Here, I construct a 2‐D thrust fault model governed by rate‐state friction to investigate how fault dilatancy influences the amplitude and spatial distribution of‘ coseismic slip, afterslip, and SSEs. Model results illustrate that, under strong dilatancy and high pore pressure around the friction stability transition, coseismic rupture stops at the onset of SSEs. Modeled SSEs have lower velocities, longer recurrence intervals and durations, and larger slip amounts as dilatancy becomes stronger, demonstrating a transition from short‐term to long‐term type of SSE behavior. These results qualitatively explain the range of spatial distributions of SSEs and megathrust ruptures observed or inferred in natural subduction zones. Furthermore, the relative depths of SSEs and megathrust afterslip may serve as an indicator of dilatancy effectiveness.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,395
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,054
Tête enseignante GPT0,299
Écart entre enseignants0,244 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations65
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetearthquake and tectonic studiesTravaux en français237 207