An Application of Coast Effect Correction to Magnetotelluric Data from Jailolo Geothermal Prospect Area, on the Island of Halmahera
Notice bibliographique
Résumé
Abstract Several geothermal prospect areas are situated near coastal regions. One of them is Jailolo geothermal prospect area located on the island of Halmahera. Magnetotelluric (MT) data obtained in the vicinity of the coast may be suffered from coast effect. Boundaries between ocean and land may induce severe distortion of electrical fields due to its extremely high conductivity contrast. The effect mostly distorted MT data in low-frequency and may produce some artifacts in deep parts of resistivity inversion model. In order to get a reliable subsurface resistivity model in Jailolo, a 3-D inversion of acquired MT data was carried out by including an oceanic model, which was set as a prior model, to overcome coast effect distortion. Before that, to examine coast effect influence on acquired MT data, 3-D forward modeling of a simple synthetic model was performed using a similar 3-D inversion mesh grid. Conductive seawater around survey area was also built in the mesh grid and adjusted to bathymetry data. Furthermore, synthetic MT data were then inverted in two schemes with and without oceanic model. Based on inversion results, use of oceanic model can significantly improve inversion result and give a more comparable inversion model with a synthetic model. Meanwhile, 3-D inversion of real MT data, which was carried out with a similar approach, successfully produces a representative subsurface resistivity model to describe geothermal system in study area.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».