Time Evolution of Deformation Using Time Series of Differential Interferograms: Application to La Palma Island (Canary Islands)
Notice bibliographique
Résumé
Differential interferometry is a very powerful tool for detecting changes in the Earth’s crust where coherence conditions are good, but is difficult to employ in some volcanic areas due to dense vegetation. We apply two differential InSAR methods using the time series associated with the interferograms to perform a phase analysis on a data set for La Palma island (Canary Islands) from the ERS-1 and ERS-2 European Space Agency (ESA) satellites for the time period 1992 to 2000. Both methods involve choosing a master image from the database and creating a series of interferograms with respect to this image. The “Coherent Pixel Time Series” (CPTS) technique chooses pixels with good average coherence, aligns the unwrapped interferograms with a stable area and then performs an inversion to calculate the linear velocity to quantify the deformation. The Coherent Target Modeling (CTM) method calculates the temporal coherence of each pixel to identify stable targets and then determines the best velocity for each pixel by using a linear fit that maximizes the temporal coherence. Using these two methods we have been able to detect deformation on La Palma Island that has been previously undetectable by conventional InSAR methods. There is a roughly circular region on the Southern part of the island that is actively deforming at ∽ -4 to -8 mm/yr. This region is located near the Teneguia valcano, the host of the last known eruption on La Palma in 1971. A thorough investigation of the possible sources for this deformation revealed that it was most likely created by a subsurface thermal source.
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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».