Cataloging Tectonic Tremor Energy Radiation in the Cascadia Subduction Zone
Notice bibliographique
Résumé
Abstract For the past ∼12 years the Pacific Northwest Seismic Network has been automatically detecting and locating tectonic tremor across the Cascadia subduction zone, resulting in a catalog of more than 500,000 tremor epicenters to date, which has served as a valuable resource for tremor and slip research. This manuscript presents an updated methodology for routine tremor detection in Cascadia and a new catalog of over 180,000 tremor epicenters including amplitudes detected along the subduction zone margin from 2017 to 2021. The events are detected via cross‐correlation of continuous vertical envelope data of 128 stations from northern California to northern Vancouver Island. The modified approach results in less scatter and a 55% increase in detected epicenters than previously observed, as well as a newly identified tremor source offset updip from the main tremor and slip region at the southern edge of the subduction zone. Radiated seismic energy in the 1.5–5 Hz band is used to assign epicenters an energy magnitude ( M eL ), which is calibrated to the M L of local earthquakes. Southern Cascadia is most active, but the highest tremor energy rates occur in northern Cascadia. Tremor in central Cascadia is systematically weaker and less frequent. Individual epicenter magnitudes range from ∼0.5–2 and spatiotemporally cluster into 1,060 swarms with cumulative M eL ranging from ∼0.8 to 3.7. The swarms reflect underlying slow slip events and occur with an earthquake‐like energy distribution with a b value ∼1. Tremor epicenters, however, follow a tapered Gutenberg‐Richter distribution with high b values, suggesting individual tremor bursts and their constituent low‐frequency earthquakes are fault‐dimension limited.
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 | 0,002 | 0,001 |
| 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) | 0,000 | 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 ».