MétaCan
Menu
Retour à la cohorte
Enregistrement W4306923006 · doi:10.1130/g50258.1

Fault surface morphology as an indicator for earthquake nucleation potential

2022· article· en· W4306923006 sur OpenAlexafffund
Agathe Eijsink, J. D. Kirkpatrick, François Renard, Matt J. Ikari

Notice bibliographique

RevueGeology · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
Thématiqueearthquake and tectonic studies
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésGeologyNucleationSlip (aerodynamics)Asperity (geotechnical engineering)Surface finishFault (geology)Fault planeSurface roughnessIsotropyFractalSurface (topology)Microscale chemistryMineralogyGeometrySeismologyGeotechnical engineeringMaterials scienceComposite materialOptics

Résumé

récupéré en direct d'OpenAlex

Abstract Laboratory measurements can determine the potential for geologic materials to generate unstable (seismic) slip, but a direct relation between sliding behavior in the laboratory and physical characteristics observable in the field is lacking, especially for the phyllosilicate-rich gouges that are widely observed in natural faults. We integrated laboratory friction experiments with surface topography microscopy and demonstrated a quantitative correlation between frictional slip behavior and fault surface morphology of centimeter-scale samples. Our results show that striated, smooth fault surfaces were formed in experiments that exhibited stable sliding, whereas potentially unstable sliding was associated with rougher, isotropic fault surfaces. We interpret that frictional stability and fault surface morphology are linked via the evolution of asperity contacts on localized slip surfaces. If fault surface roughness obeys a fractal relationship over a large range of length scales, then we infer that the morphological characteristics observed in the laboratory could indicate the earthquake nucleation potential on natural fault surfaces.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,116
Score d'incertitude au seuil0,984

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0170,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,229
Écart entre enseignants0,216 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeologyMême sujetearthquake and tectonic studiesTravaux en français237 207