Linear Array Double Difference Adjoint Ambient Noise Tomography of the Central Tanlu Fault Zone, Eastern China
Notice bibliographique
Résumé
Abstract In response to the need for high‐resolution imaging of shallow crustal structure, we present a linear array double‐difference (DD) adjoint tomography method, using DD Rayleigh wave traveltime measurements for enhanced spatial resolution. This method, validated through synthetic experiments, improves velocity anomaly detection with fewer iterations compared to absolute traveltime measurements. Applied to data from four linear seismic arrays in the central Tanlu fault zone (TLFZ) in the eastern China, our approach integrated both DD and absolute difference (AD) of adjoint traveltime measurements. We performed cluster analysis for data quality control, reducing data outliers and increasing reliability, particularly in suppressing cycle skipping for short‐period measurements. The resulting high‐resolution S‐wave velocity profiles in the shallow crust well delineate geological structures, revealing a continuous low‐velocity anomaly beneath the eastern branch of TLFZ. Our comparative analysis with the southern segment of TLFZ further highlights the segmented nature of the fault zone structure. These variations might suggest a dominant influence of deep magmatic processes due to destruction of the North China Craton. Our study links shallow structural features to deeper geodynamic activities, emphasizing the role of TLFZ as a critical tectonic boundary.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».