Lakes as a Source of Short‐Period (0.5–2 s) Microseisms
Notice bibliographique
Résumé
Abstract We identify and document microseisms produced by wave action in six lakes: The Great Slave Lake, Lake Ontario, Yellowstone Lake, Dianchi Lake, Fuxian Lake, and Erhai Lake. The lakes span more than 2 orders of magnitude in size (areas of 210–27,000 km 2 ) and sample a range of climatic and tectonic regimes in Canada, the U.S., and China. Lake‐generated microseisms create spectral peaks at periods near 1 s and are often polarized as Rayleigh waves propagating away from the lake. In contrast to ocean‐generated microseisms, lake‐generated microseisms are only observed within about 25–30 km of the shoreline. This is consistent with the well‐known high attenuation of short‐period Rayleigh waves ( R g ). It is unclear if lake‐generated microseisms are produced by a linear shoaling process, analogous to primary ocean microseisms, or a nonlinear wave‐wave interaction process, analogous to secondary ocean microseisms. If they are mainly produced by shoaling, lake‐generated microseisms might provide a spatially integrated measure of shoreline erosion. Regardless of the source mechanism, lake‐generated microseisms appear to provide a record of ice phenology for lakes that freeze in the winter. Such data could contribute to assessing the effects of climate change on high‐latitude lakes in remote areas. Finally, it is likely that lake‐generated microseisms are useful for imaging the geological structure of the shallow crust, information that is important for quantifying seismic hazard and can be difficult to obtain in urban areas where active source imaging is not feasible.
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 | 0,001 | 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 | 0,000 |
| 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 ».