Capturing seismic velocity changes in receiver functions with optimal transport
Notice bibliographique
Résumé
SUMMARY Temporal changes in seismic velocities are an important tool for tracking structural changes within the crust during transient deformation. Although many geophysical processes span the crust, including volcanic unrest and large-magnitude earthquakes, existing methods for seismic monitoring are limited to the shallow subsurface. We present an approach for deep seismic monitoring based on teleseismic receiver functions, which illuminate the crustal velocity structure from the bottom-up. Using synthetic waveform modelling, we show that receiver functions are uniformly sensitive to velocity changes throughout the crust and can locate the depth of the perturbation. We introduce a novel method based on optimal transport for measuring the non-linear time–amplitude signal variations characteristic of receiver function monitoring. We show that optimal transport enables comparison of full waveform distributions rather than relying on representative stacked waveforms. We further study a linearized version of optimal transport that renders time-warping signal variations into simple Euclidean perturbations, and use this capability to perform blind source separation in the space of waveform variations. This disentangles the effects of changes in the source–receiver path from changes in subsurface velocities. Collectively, these methods extend the reach of seismic monitoring to deep geophysical processes, and provide a tool that can be used to study heterogeneous velocity changes with different spatial extents and temporal dynamics.
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) | 0,000 | 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) | 0,001 | 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 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 ».