MétaCan
Menu
Retour à la cohorte
Enregistrement W3207238794 · doi:10.1093/gji/ggab409

Monitoring natural gas storage using Synthetic Aperture Radar: are the residuals informative?

2021· article· en· W3207238794 sur OpenAlexaff
D. W. Vasco, Sergey Samsonov, Kang Wang, Roland Bürgmann, Pierre Jeanne, W. Foxall, Yingqi Zhang

Notice bibliographique

RevueGeophysical Journal International · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueSynthetic Aperture Radar (SAR) Applications and Techniques
Établissements canadiensNatural Resources Canada
Organismes subventionnairesLawrence Berkeley National LaboratorySouthern California Gas CompanyCalifornia Energy CommissionU.S. Department of Energy
Mots-clésInterferometric synthetic aperture radarGeologyResidualSynthetic aperture radarGeodesySpatial variabilityRemote sensingStatisticsAlgorithm

Résumé

récupéré en direct d'OpenAlex

SUMMARY Estimates of line-of-sight (LOS) displacements from Interferometric Synthetic Aperture Radar (InSAR) observations serve as the basis of the long-term monitoring of an operating natural gas storage site at Honor Rancho in California. An inversion algorithm is used to estimate the portion of the signal that is attributable to deformation within the gas storage reservoir, located at a depth of around 3 km. Removing this contribution produces residuals that are used to characterize the background variation is surface deformation at the gas storage facility and to determine a threshold that can signify unusually large residuals. An application to almost 7 yr of InSAR data, from 2011 until 2018, indicates that there are intervals of heightened residuals as well as brief episodes of anomalously large misfits. An examination of the spatial distributions of the individual residual LOS displacements indicates larger displacements in an alluvial valley just south of the reservoir, with rapid spatial variations in sign, indicating a rather shallow origin. Furthermore, the two anomalous events also involve rapid spatial variations in the LOS displacement residuals directly above the storage facility. The results demonstrate that the technique of extracting residuals after removing the reservoir signal is a useful approach, even in the case of this deep reservoir, and is a promising method for long-term monitoring.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,869
Score d'incertitude au seuil0,556

Scores Codex et Gemma par catégorie

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

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 Opus0,010
Tête enseignante GPT0,247
Écart entre enseignants0,237 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysical Journal InternationalMême sujetSynthetic Aperture Radar (SAR) Applications and TechniquesTravaux en français237 207