Seismic Imaging of the Arctic Subsea Permafrost Using a Least-Squares Reverse Time Migration Method
Notice bibliographique
Résumé
High-resolution seismic imaging allows for the better interpretation of subsurface geological structures. In this study, we employ least-squares reverse time migration (LSRTM) as a seismic imaging method to delineate the subsurface geological structures from the field dataset for understanding the status of Arctic subsea permafrost structures, which is pertinent to global warming issues. The subsea permafrost structures in the Arctic continental shelf, located just below the seafloor at a shallow water depth, have an abnormally high P-wave velocity. These structural conditions create internal multiples and noise in seismic data, making it challenging to perform seismic imaging and construct a seismic P-wave velocity model using conventional methods. LSRTM offers a promising approach by addressing these challenges through linearized inverse problems, aiming to achieve high-resolution, subsurface imaging by optimizing the misfit between the predicted and the observed seismic data. Synthetic experiments, encompassing various subsea permafrost structures and seismic survey configurations, were conducted to investigate the feasibility of LSRTM for imaging the Arctic subsea permafrost from the acquired seismic field dataset, and the possibility of the seismic imaging of the subsea permafrost was confirmed through these synthetic numerical experiments. Furthermore, we applied the LSRTM method to the seismic data acquired in the Canadian Beaufort Sea (CBS) and generated a seismic image depicting the subsea permafrost structures in the Arctic region.
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 | 0,000 | 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 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 ».