Shear Wave Tomography Beneath the United States Using a Joint Inversion of Surface and Body Waves
Notice bibliographique
Résumé
Abstract Resolving both crustal and shallow‐mantle heterogeneity, which is needed to study processes in and fluxes between crust and mantle, is still a challenge for seismic tomography. Body wave data can constrain deep features but often produce vertical smearing in the crust and upper mantle; in contrast, surface wave data can provide good vertical resolution of lithospheric structure but may lack lateral resolution and are less sensitive to the deeper Earth. These two data types are usually treated and inverted separately, and tomographic models therefore do not, in general, benefit from the complementary nature of sampling by body and surface waves. As a pragmatic alternative to full waveform inversions, we formulate linear equations for teleseismic S wave traveltimes and surface wave phase velocities and solve them simultaneously for variations in shear wave speed anomalies in the crust and upper mantle. We apply this technique to data from USArray and permanent seismic networks and present a model of seismic shear wave speed anomalies beneath the continental United States. Our joint model fits the individual data sets almost as well as separate inversions but provides a better explanation of the combined data set. It is generally consistent with previous models but shows improvements over both body wave‐only and surface wave‐only tomography and can lead to refinements in interpretation of features on the scale of the lithosphere and mantle transition zone.
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 | 0,000 |
| 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 ».