A discussion of 2D induced polarization effects in airborne electromagnetic and inversion with a robust 1D laterally constrained inversion scheme
Notice bibliographique
Résumé
ABSTRACT Recently, the interest in the induced polarization (IP) phenomenon in airborne time-domain electromagnetic (ATEM) data has increased considerably. IP may affect the ATEM data significantly and mask underlying geologic structures. To simulate 2D airborne IP data, a 2D finite-element forward-modeling algorithm has been developed with the dispersive conductivity described by the well-known Cole-Cole model. We verify our algorithm by comparison with the 1D solution of the AarhusInv code. Two-dimensional forward responses on six synthetic models, mimicking archetypal 2D conductive and chargeable anomalies, have been generated, and the results indicate that 2D IP affects the data significantly. Differences between the 2D IP responses and the 1D IP responses are evident above the 2D anomalies and at their edges. These differences are similar to what is found when comparing 2D and 1D forward responses over conductive 2D anomalies without considering IP. We evaluate an effective robust inversion scheme to recover the 2D IP parameters using the 1D laterally constrained inversion (LCI) scheme. The inversion of the synthetic data using the robust scheme indicates that not only can the IP parameters be recovered, but also the IP inversions can provide more accurate resistivity sections than a resistivity-only inversion, in terms of resistivity values and anomaly thickness/depth. The field example from Hope Bay area in Canada is even more valuable, considering that part of the profile consists of only negative data, which cannot be inverted with a resistivity-only scheme. Furthermore, the edge effects at the anomaly boundaries are less pronounced in the IP parameters than in the resistivity parameter on the synthetic models with more conductive backgrounds.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».