Conversations between earthquakes: Dynamics and delays of the 2019 Ridgecrest rupture sequence
Notice bibliographique
Résumé
Abstract The overwhelming observational difficulties and the complexity of earthquake physics have rendered seismic hazard assessment largely empirical. Despite increasingly high-quality geodetic, seismic, and field observations, data-driven earthquake imaging yields stark differences and physics-based models explaining all observed dynamic complexities are elusive. Here we present data-assimilated 3D dynamic rupture models which untwine California's biggest earthquakes in more than 20 years: the moment magnitude (Mw) 6.4 Searles Valley and Mw7.1 Ridgecrest, California, sequence breaking multiple segments of the same fault system. Our models use supercomputing to find the link between the two large earthquakes. We unify the uniquely high-quality strong-motion and teleseismic, field mapping, high-rate GNSS, and space geodetic foreshock and mainshock datasets with earthquake physics. We find that the regional structure, the ambient long- and short-term stress, as well as the dynamic and static fault system interactions, are conjointly crucial to understand the dynamics and delays of the sequence. Dynamic rupture of a statically strong yet dynamically weak fault system is driven by overpressurized fluids and low dynamic friction in our models. The observed earthquake complexity results from static and dynamic stress changes acting across a non-vertical quasi-orthogonal conjugate fault structure. We demonstrate that joint physics-based and data-driven illumination of the mechanics of complex fault systems and earthquake sequences is possible when reconciling dense earthquake recordings, 3D regional structure and stress models. We foresee that physics-based interpretation of big observational data-sets characterizing complex nonlinear systems will have a transformative impact on future geohazard mitigation.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».