Distributed Acoustic Sensing in Volcano-Glacial Environments - Mount Meager, British Columbia
Notice bibliographique
Résumé
We demonstrate the logistic feasibility and scientific potential of Distributed Acoustic Sensing (DAS) in alpine volcano-glacial environments that are subject to a broad range of natural hazards. Our work considers the Mount Meager massif, an active volcanic complex in British Columbia, estimated to have the largest geothermal potential in Canada, and home of Canada’s largest recorded landslide in 2010. From September to October 2019, we acquired continuous strain data, using a 3 km long fiber-optic cable, deployed on a ridge of Mount Meager and on the uppermost part of a glacier above 2000 m altitude. The data analysis detected a broad range of unexpectedly intense, low-magnitude, local seismicity. The most prominent events include long-lasting, intermediate-frequency (0.01 - 1 Hz) tremor, and high-frequency (5 - 45 Hz) earthquakes that form distinct spatial clusters and often repeat with nearly identical waveforms. We conservatively estimate that the number of detectable high-frequency events varied between several tens and nearly 400 per day. We also develop a beamforming algorithm that uses the signal-to-noise ratio (SNR) of individual channels, and implicitly takes the direction-dependent sensitivity of DAS into account. Both the tremor and the high-frequency earthquakes are most likely related to fluid movement within Mount Meager’s geothermal reservoir. Our work illustrates that DAS carries the potential to reveal previously undiscovered seismicity in challenging environments, where comparably dense arrays of conventional seismometers are difficult to install. We hope that the logistics and deployment details provided here may serve as a starting point for future DAS experiments.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,012 | 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 ».