Infrasound Signal Detection and Back Azimuth Estimation Using Ground‐Coupled Airwaves on a Seismo‐Acoustic Sensor Pair
Notice bibliographique
Résumé
Abstract We present a new infrasonic signal detection and back azimuth determination technique that requires just one microphone and one three‐component seismometer. Ground‐coupled airwaves (GCAs) occur when an incident atmospheric acoustic wave impinges on the ground surface and is partially transmitted as a seismic wave. GCAs are commonly detected hundreds of kilometers away on seismic networks and are observed to have retrograde particle motion. Horizontally propagating acoustic waves and GCAs have previously been observed on collocated infrasound and seismic sensor pairs as coherent with a 90° phase difference. If the sensors are spatially separated, an additional propagation‐induced phase shift is present. The additional phase shift depends on the direction from which the acoustic wave arrives, as each back azimuth has a different apparent distance between the sensors. We use the additional phase shift, the coherence, and the characteristic particle motion on the three‐component seismometer to determine GCA arrivals and their unique back azimuth. We test this technique with synthetic seismo‐acoustic data generated by a coupled Earth‐atmosphere 3‐D finite difference code, as well as three seismo‐acoustic data sets from Mount St. Helens, Mount Cleveland, and Mount Pagan volcanoes. Results from our technique compare favorably with traditional infrasound array processing and provide robust GCA detection and back azimuth determination. Assuming adequate station spacing and sampling, our technique provides a new and robust method to detect infrasonic signals and determine their back azimuth, and may be of practical benefit where resources are limited and large sensor networks or arrays are 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 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».