Investigation of the Effect of Integrated Offset, GPS, and InSAR Data in the Stochastic Source Modeling of the 2002 Denali Earthquake
Notice bibliographique
Résumé
This study investigates the effect of geological field measurement (offset), global positioning system (GPS), and interferometric synthetic aperture radar (InSAR) data on the estimation of the co-seismic earthquake displacements of the 2002 Denali earthquake. The analysis is conducted using stochastic source modeling. Uncertainties associated with each dataset limit their effectiveness in source model selection and raise questions about the adequate number of datasets and their type for reliable source estimation. To address these questions, stochastic source models with heterogeneous earthquake slip distributions are synthesized using the von Kármán wavenumber spectrum and statistical scaling relationships. The surface displacements of the generated stochastic sources are obtained using the Okada method. The surface displacements are compared with the available datasets (i.e., offset, GPS, and InSAR) individually and in an integrated form. The results indicate that the performance of stochastic source generation can be significantly improved in the case of using GPS data and in the integrated case. Overall, based on the case study of the 2002 Denali earthquake, the combined use of all available datasets increases the robustness of the stochastic source modeling method in characterizing surface displacement. However, GPS data contribute more than InSAR and offset data in producing reliable source 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 | 0,002 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».