Migration Imaging of the Java Subduction Zones
Notice bibliographique
Résumé
Abstract Imaging of tectonically complex regions can greatly benefit from dense network data and resolution enhancement techniques. Conventional methods in the analysis of SS precursors stack the waveforms to obtain an average discontinuity depth, but smearing due to large Fresnel zones can degrade the fine‐scale topography on the discontinuity. To provide a partial solution, we introduce a depth migration algorithm based on the common scattering point method while considering nonspecular diffractions from mantle transition zone discontinuities. Our analysis indicates that, beneath the Sunda arc, the depth of the 410 km discontinuity (the 410) is elevated by 30 km and the 660 km discontinuity (the 660) is depressed by 20–40 km; the region of the strongest anticorrelation is correlated with the morphology of the subducting Indo‐Australian slab. In eastern Java, a “flat” 410 coincides with a documented slab gap, showing length scales greater than 400 km laterally and 200 km vertically. This observation could be explained by the arrival of a buoyant oceanic plateau at the Java trench at approximately 8 Ma ago, which may have caused a temporary cessation of subduction and formed a tear in the subducting slab. Our results highlight contrasting depths of the 410 and 660 along the shallow‐dipping slab below the Banda trench. The 660, however, becomes significantly uplifted beneath the Banda Sea, which is accompanied by enhanced reflection amplitudes. We interpret these observations as evidence for a subslab low‐velocity zone, possibly related to the lower mantle upwelling beneath the subducting slab.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».