Improving the Accessibility of Borehole Geophysics: A Cost-Efficient, Highly Modifiable Borehole Tilt Sensor
Notice bibliographique
Résumé
We present a cost-efficient borehole tilt sensor that was developed by our group at Dartmouth College to study ice deformation on Jarvis Glacier in Alaska. We first detail the entire sensor development, deployment, and data collection process, along with showcasing successful use cases of our sensors on Jarvis and other glaciers both by our and other geophysical research groups. For our Jarvis work, we installed our tilt sensor system in two boreholes drilled close to the lateral shear margin of Jarvis Glacier and successfully collected over 16 months of uninterrupted borehole deformation data in a harsh polythermal glacial environment. The data included gravity and magnetic measurements that tracked the orientation of the sensors in the borehole as ice flows, and we used the resultant kinematic measurements to compute borehole deformation that provided insights into the ice flow dynamics on polythermal glaciers. Our tilt sensors can house many types of sensors to accommodate different scientific needs (e.g., temperature, pressure, electrical conductivity), and can be adapted for the different glacial thermal regimes and conditions like Athabasca Glacier in Canada, which is a temperate glacier in contrast to Jarvis’ polythermal regime. There remains a high knowledge and financial barrier to entry for borehole geophysics research for both development and procurement of a tilt sensor system, and our goal is to lower this barrier by supporting production efforts of our tilt sensor system for both research and educational needs. With our established sensor development plan and demonstrated success in the field, our group has collaborated with Polar Research Equipment (PRE), a Dartmouth alumni-founded company specializing in the development of polar research tools, to serve as a commercial resource to help support polar researchers during the development and/or production of an effective and cost-efficient (~80% cheaper than commercial versions) tilt sensor and its associated systems.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 0,001 |
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 ».