Reexamining the potential to classify lava flows from the fractality of their margins
Notice bibliographique
Résumé
Can fractal analysis enable us to classify a lava flow to a morphologic type (e.g., ‘a‘ā vs. pāhoehoe) solely by examining the geometry of the flow’s margin? If so, these classifications would provide insights into the rheology and dynamics of the flow when it was emplaced. Furthermore, the potential to classify lava flows from remotely-sensed data would particularly benefit the analysis of flows for which field access is not feasible. The technique’s current framework depends on three assumptions: (1) measured lava margin fractality is scale-invariant, (2) different morphologic types are consistently distinguishable based on their measured fractality, and (3) any modification of margin fractality by substrate slope or topographic confinement would be minimal or have a recognizable signature. In this study, we critically evaluate each of these assumptions at meter scales using 15 field-collected margin intervals from a wide variety of morphologic types in Hawaiʻi, Iceland, and Idaho. Among the 12 margin intervals that satisfy the current framework’s expectations, 5 exhibit notably scale-dependent fractality and all 5 from transitional lava types would be classified as ‘a‘ā or pāhoehoe at some scales. Additionally, an ‘a‘ā flow on a 15° slope (Mauna Ulu, Hawaiʻi) and a spiny pāhoehoe flow confined by a stream bank (Holuhraun, Iceland) exhibit significantly depressed fractalities but lack distinctive signatures for these modifications. We therefore conclude that all three assumptions are invalid at meter scales. Although fractal analysis of lava margins can provide some constraints on morphologic type, unique classification is not robust at these scales.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».