Shear wave seismic interferometry for lithospheric imaging: Application to southern Mexico
Notice bibliographique
Résumé
Abstract Seismic interferometry allows for the creation of new seismic traces by cross correlating existing ones. With sufficient sampling of remote‐source positions, it is possible to create a virtual source record by transforming a receiver location into a virtual source. The imaging technique developed here directly retrieves reflectivity information from the subsurface. Other techniques, namely receiver‐function and tomography, rely on mode‐converted energy and perturbations in a velocity field, respectively, to make inferences regarding structure. We select shear phases as an imaging source because of their lower propagation velocity, sensitivity to melt, and ability to treat vertical shear and horizontal shear wavefields independently. Teleseismic shear phases approximate a plane wave due to the extent of wavefront spread compared to a finite receiver array located on the free surface. The teleseismic shear phase transmission responses are used as input to the seismic interferometry technique. We create virtual shear source records by converting each receiver in the array into a virtual source. By cross correlating the received signals, the complex source character of distant earthquakes is imprinted on the virtual source records as the average autocorrelation of individual source‐time functions. We demonstrate a technique that largely removes this imprint by filtering in the common‐offset domain. A field data set was selected from the Meso‐America Subduction Experiment. Despite the suboptimal remote‐source sampling, an image of the lithosphere was produced that confirms features of the subduction zone that were previously found with the receiver‐function technique.
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 | 0,002 | 0,001 |
| 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 | 0,000 | 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) | 0,000 | 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 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 ».