MétaCan
Menu
Retour à la cohorte
Enregistrement W2954154877 · doi:10.3390/rs11111357

Global Earthquake Response with Imaging Geodesy: Recent Examples from the USGS NEIC

2019· article· en· W2954154877 sur OpenAlexfundno aff
William D. Barnhart, G. P. Hayes, David J. Wald

Notice bibliographique

RevueRemote Sensing · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
Thématiqueearthquake and tectonic studies
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Nevada, RenoJapan Aerospace Exploration AgencyNatural Resources CanadaU.S. Geological SurveyNational Aeronautics and Space Administration
Mots-clésGeodetic datumGeologySeismologyInterferometric synthetic aperture radarSatelliteGeodesySynthetic aperture radarRemote sensing

Résumé

récupéré en direct d'OpenAlex

The U.S. Geological Survey National Earthquake Information Center leads real-time efforts to provide rapid and accurate assessments of the impacts of global earthquakes, including estimates of ground shaking, ground failure, and the resulting human impacts. These efforts primarily rely on analysis of the seismic wavefield to characterize the source of the earthquake, which in turn informs a suite of disaster response products such as ShakeMap and PAGER. In recent years, the proliferation of rapidly acquired and openly available in-situ and remotely sensed geodetic observations has opened new avenues for responding to earthquakes around the world in the days following significant events. Geodetic observations, particularly from interferometric synthetic aperture radar (InSAR) and satellite optical imagery, provide a means to robustly constrain the dimensions and spatial complexity of earthquakes beyond what is typically possible with seismic observations alone. Here, we document recent cases where geodetic observations contributed important information to earthquake response efforts—from informing and validating seismically-derived source models to independently constraining earthquake impact products—and the conditions under which geodetic observations improve earthquake response products. We use examples from the 2013 Mw7.7 Baluchistan, Pakistan, 2014 Mw6.0 Napa, California, 2015 Mw7.8 Gorkha, Nepal, and 2018 Mw7.5 Palu, Indonesia earthquakes to highlight the varying ways geodetic observations have contributed to earthquake response efforts at the NEIC. We additionally provide a synopsis of the workflows implemented for geodetic earthquake response. As remote sensing geodetic observations become increasingly available and the frequency of satellite acquisitions continues to increase, operational earthquake geodetic imaging stands to make critical contributions to natural disaster response efforts around the world.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,096

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,011
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,216
Écart entre enseignants0,200 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations37
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetearthquake and tectonic studiesTravaux en français237 207