Using Drones and Miniaturized Instrumentation to Study Degassing at Turrialba and Masaya Volcanoes, Central America
Notice bibliographique
Résumé
Abstract Gas measurements using unmanned aerial vehicles, or drones, were undertaken at Turrialba volcano, Costa Rica, and Masaya volcano, Nicaragua, in 2016 and 2017. These two volcanoes are the largest time‐integrated sources of gas in the Central American Volcanic Arc, and both systems are currently extremely active with potential for sudden destabilization. We employed a series of miniaturized drone‐mounted instrumentation including a mini‐DOAS, two MultiGAS instruments, and an optical particle counter, supplemented by ground‐based measurements. Payloads were typically 1–1.5 kg and flight times were 10–15 min. The measurements were both accurate and precise due to the inherent sensitivity of the instrumentation and the high gas concentrations, which the drones were able to sample. The quality of data obtained by our drones was comparable to that obtained by our ground‐based measurements. At Turrialba in April 2017, we measured an average SO 2 flux of 1,380 ± 280 T/day, CO 2 /SO 2 of 6.5, and H 2 O/SO 2 of 27.8. Using these values, we calculated a CO 2 flux of 6,170 T/day and an H 2 O flux of 10,790 T/day. At Masaya in May 2017, the average SO 2 flux was 1,560 ± 180 T/day, with CO 2 /SO 2 of 3.9 and H 2 O/SO 2 of 62.3, giving a mean CO 2 flux of 4,150 T/day and mean H 2 O flux of 27,330 T/day. The elevated carbon and water fluxes and ratios are indicative of underlying magmas that are enriched in these components, resulting in the high levels of activity observed.
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 | 0,001 |
| 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 ».