Lithospheric imaging via teleseismic scattering tomography
Notice bibliographique
Résumé
The coda of the teleseismic P phase consists largely of energy scattered by small inhomogeneities in the receiver-side lithosphere. Given large collections of teleseismic data from dense permanent networks, previous workers have successfully back-propagated coda energy back to scattering source points using various kinematic migration schemes, as well as by inverting using an inverse scattering/radon transform approach. Under the Born approximation, seismic scattering is a linear process; therefore it is possible to approach coda scattering as a linear waveform inversion problem, mathematically similar to transmission-based tomography. Assuming ray-theoretical propagation and Rayleigh scattering, we pose the inverse scattering problem in tomographic form, and recover perturbations in density and P and S velocities from Pp and Ps scattered data. The method is applied to data from the Southern California Seismic Network (SCSN) covering the San Jacinto–Anza region. The results show a considerable correlation between seismicity and velocity perturbation structure, particularly in the region between the Mission Creek and Banning fault branches. Features connecting the Coyote Creek and Elsinore faults at right angles are correlated with seismicity lineations and may represent conjugate faulting with no surface expression.
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 | 0,000 | 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 | 0,000 |
| 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) | 0,001 | 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 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 ».