Modeling Geoelectric Fields Induced by Geomagnetic Disturbances in 3D Subsurface Geology, an Example From Southeastern Australia
Notice bibliographique
Résumé
Abstract Geomagnetic storms can cause power grid instabilities and blackouts due to excessive geomagnetically induced currents (GICs) flowing in electric transmission systems. In this study, we assess regional vulnerability to GICs by modeling the geoelectric fields induced by significant historic geomagnetic disturbance events in the presence of 3D subsurface geology using data from the Australian Lithospheric Architecture Magnetotelluric Project (AusLAMP) magnetotelluric array, Australia‐Wide Array of Geomagnetic Stations (AWAGS) magnetometer array, and Geoscience Australia geomagnetic observatory network. We analyze the vertical component of the magnetic field with respect to the horizontal magnetic‐field polarization for two magnetic storms and gain insight into the inductive effects associated with field polarization orientations in the 3D case. We also analyze the telluric field intensity and polarization for a unit geomagnetic field polarized in northerly and easterly directions at AusLAMP sites and find that in the presence of 3D geology the induced field has a very polarization‐sensitive anomaly. We model the geoelectric fields in southeastern Australia for the 1989 “Québec storm.” The induced ground electric fields are typically in the range 1,000–2,000 mV/km with a few sites within 2,000–5,000 mV/km on highly resistive regions and in coastal areas, and below 300 mV/km on inland sedimentary basins. The current study focuses on magnetic‐field variations with periods between 120 and ~20,000 s due to bandwidth limits in our magnetotelluric tensor data and the Nyquist limit for the 60 s sampling of our geomagnetic‐field data. Hence, our modeled maximum values should be considered lower estimates of potential real values.
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) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».