Detection and Location of Low‐Frequency Earthquakes Using Cross‐Station Correlation
Notice bibliographique
Résumé
Source geometry and simple propagation of S waves generated by low‐frequency earthquakes (LFEs) in northern Cascadia results in strong waveform coherence on horizontal channels for stations at smaller epicentral distances. As recognized by previous workers, this cross‐station similarity can be exploited for detection of LFEs in tremor. We develop a cross‐station correlation approach based on waveform coherence and travel‐time consistency that exploits a full complement of network stations, and we demonstrate its application to separate arrays on Vancouver Island and Washington state. Our approach yields thousands of impulsive LFE detections per slow‐slip episode and hundreds of events between episodes. LFE epicentral distributions reveal the presence of well‐defined regions of high asperity density with those regions farther downdip that are active during interepisodic tremor and slow‐slip periods. The LFE epicenters also display pronounced spatiotemporal clustering that compares favorably with independent tremor and LFE template catalogs and that defines rapid tremor reversals with complex propagation patterns. The LFE source depths can be estimated for some detections in which P waves are identified on the vertical channel through correlation with the horizontal‐component S waveforms. LFE hypocenters cluster between two recently developed plate interface models below southern Vancouver Island. Our approach enables the identification of high signal‐to‐noise‐ratio impulsive LFE detections from targeted regions on the plate boundary for generation of LFE templates to be used in studies of structure and seismogenesis in Cascadia. Online Material: Additional maps of station density for southern Vancouver Island, epicenter locations for northern Washington, and additional time–distance plots for southern Vancouver Island.
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 | 0,001 |
| 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 | 0,000 |
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 ».