Tracking Eruption Column Thermal Evolution and Source Unsteadiness in Ground‐Based Thermal Imagery Using Spectral‐Clustering
Notice bibliographique
Résumé
Abstract Volcanic eruption columns typically have unsteady source conditions, where mass and heat fluxes from the vent evolve or fluctuate on time scales from seconds to hours. However, integral plume models routinely assume source conditions that are statistically stationary, and the degree to which source unsteadiness influences the mechanics of column rise and air entrainment has not been established with quantitative predictions. We address this knowledge gap by examining eruptions with varying unsteady character at Sabancaya Volcano, Peru. Using a novel tracking algorithm based on spectral clustering, we track the spatiotemporal evolution of coherent turbulent structures in columns using ground‐based, thermal infrared imagery. For turbulent structures tracked in time and space, we calculate the power law decay exponent of excess temperature with height. In general, the starting pulses of transient events are characterized by power law exponents matching theoretical predictions for an instantaneous point release of buoyancy (i.e., a thermal), which evolve with sustained emissions to values consistent with steady plumes. Our results support previous findings from field evidence and laboratory experiments that entrainment and gravitational stability in unsteady volcanic columns are inadequately captured by time‐averaging or constant entrainment coefficients. We propose a quantitative definition for column source unsteadiness which captures the timing and magnitude of source fluctuations on time scales that influence entrainment mechanics, and which provisionally predicts our observed differences in power law behavior. We argue for systematic experimental and numerical studies of the relationship between source unsteadiness and entrainment to implement unsteady entrainment parameterizations for integral plume models.
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 | 0,001 |
| 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) | 0,000 | 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 ».