Submarine Deposition of a Subaerial Landslide in Taan Fiord, Alaska
Notice bibliographique
Résumé
Abstract A large subaerial landslide entered Taan Fiord, Alaska, on 17 October 2015 producing a tsunami with runup to 193 m. We use LiDAR data to show the slide volume to be 76 + 3/−4 million cubic meters and that 51,000,000 m 3 entered Taan Fiord. In 2016, we mapped the fjord with multibeam bathymetry and high‐resolution seismic data. Landslide and postlandslide deposits extend 6 km downfjord, are up to 70 ± 11 m thick, and have a total volume of ~147,000,000 m 3 . Seismic data image a blocky landslide unit and two units deposited immediately after the landslide. The blocky landslide unit is ~65,000,000 m 3 . We infer it consists dominantly of subaerially derived material and secondarily of fjord floor sediment. The overlying units are likely megaturbidites presumably deposited within minutes to days after the landslide. We infer that these deposits dominantly consist of fjord floor material mobilized and suspended as the slide entered and traveled downfjord. The lower postlandslide unit is up to 35 ± 6 m thick, and the upper unit is up to 12 ± 3 m thick. These deposits are distinctive and will leave a lasting record of the event. This subaerial‐to‐submarine landslide deposit is distinct from other submarine landslide deposits studied in Alaskan fjords because it has a much greater thickness, larger and more angular blocks, distinctive postlandslide megaturbidites, and a higher‐amplitude acoustic signature of the blocky deposit. The tight constraints on the landslide source and deposit volumes, topography, bathymetry, and tsunami runup heights and flow directions should make this a benchmark site for landslide‐tsunami models.
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 ».