Seismologically Observed Spatiotemporal Drainage Activity at Moulins
Notice bibliographique
Résumé
Abstract Hydrology is important for glacier dynamics, but it is difficult to monitor the subsurface drainage systems of glaciers by direct observations. Since meltwater drainage generates seismic signals, passive seismic analysis has the potential to be used to monitor these processes. To study continuous seismic radiation from the drainage, we analyze geophone data from six stations deployed at the Kaskawulsh Glacier in Yukon, Canada, during the summer of 2014 using ambient noise cross‐correlation techniques. We locate the noise sources by backprojecting the amplitude of the cross correlation to the glacier surface. Most of the ambient noise sequences are found in two clusters, with each cluster located in the vicinity of a moulin identified at the surface. Stronger seismic radiation is observed during the day, consistent with expected variability in melt rates. We demonstrate that the sparse seismic network array with 2 km station separation has the ability to detect moulins within the array with a precision of 50 m. We confirm that seismic activity is correlated with air temperature, and thus, melt, on a diurnal timescale, and precipitation correlates with the activity at longer timescales. Our results highlight the potential of passive seismic observations for monitoring water flow into subglacial channels through moulins with an affordable number of seismic stations, but quantification of water flow rates still remains a challenge. The cross‐correlation backprojection technique described here can also potentially be applied to any localized source of ambient noise such as ocean noise, tectonic tremor, and volcanic tremor.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».