An Assessment of Geophysical Survey Techniques for Characterising the Subsurface Around Glacier Margins, and Recommendations for Future Applications
Notice bibliographique
Résumé
Geophysical surveys provide an efficient and non-invasive means of studying subsurface conditions in numerous sedimentary settings. In this study, we explore the application of three geophysical methods to a proglacial environment, namely ground penetrating radar (GPR), seismic refraction and multi-channel analysis of surface waves (MASW). We apply these geophysical methods to three glacial landforms with contrasting morphologies and sedimentary characteristics, and we use the various responses to assess the applicability and limitations of each method for these proglacial targets. Our analysis shows that GPR and seismic (refraction and MASW) techniques can provide spatially extensive information on the internal architecture and composition of moraines, but careful survey designs are required to optimise data quality in these geologically complex environments. Based on our findings, we define a number of recommendations and a potential workflow to guide future geophysical investigations in analogous settings. We recommend the initial use of GPR in future studies of proglacial environments to inform (a) seismic survey design and (b) the selection of seismic interpretation techniques. We show the benefits of using multiple GPR antenna frequencies (e.g., 25 and 100 MHz) to provide decimetre scale imaging in the near surface (e.g., < 15 m) while also enabling signal penetration to targets at up to ∼40 m depth (e.g., bedrock). This strategy helps to circumvent changes in radar signal penetration resulting from variations in substrate conductivity or abundant scatterers. Our study also demonstrates the importance of combining multiple geophysical methods together with ground-truthing through sedimentological observations to reduce ambiguity in interpretations. Implementing our recommendations will improve geophysical survey practice in the field of glacial geology and allow geophysical methods to play an increasing role in the interpretation of glacial landforms and sediments.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,030 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».