MétaCan
Menu
← Retour à la cohorte
Enregistrement W4408445020 · doi:10.5194/egusphere-egu25-2461

Modeling earthquake-induced seiche process and subsequent homogenite deposits in lacustrine setting

2025· preprint· en· W4408445020 sur OpenAlexaff
Muhammad Naveed Zafar, Pierre Sabatier, Denys Dutykh, Hervé Jomard, William Rapuc, Patrick Lajeunesse, Emmanuel Chapron

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésSeicheGeologyProcess (computing)SeismologyGeochemistryGeotechnical engineeringComputer science

Résumé

récupéré en direct d'OpenAlex

Earthquakes imprint their signatures on lake sediments through event deposits, which serve as paleoseismological archives. Among these deposits, homogenite layers are commonly associated with lake oscillations, i.e., seiches. Here, we investigate the seiche mechanism and the formation of homogenite related sediment deposit within a lacustrine environment. This study focuses on the 1822 CE earthquake in the Western European Alps, which triggered subaqueous landslides in Lake Bourget (France). This event caused oscillations in the lake's water, which subsequently resulted in the formation of a homogenite layer in the deep basin. The underlying mechanism is resolved by presenting the first comprehensive numerical model via coupling coseismic displacement, seismic wave propagation, and mass movement with the tsunami model. The numerical simulations show excellent agreement with the geological and historical observations. The water disturbances caused by subaqueous landslides generated small tsunami waves with a maximum runup height of approximately 2.5 m. By analyzing the tsunami signals via Fourier spectral analysis and fast iterative filtering, we determined that seismic waves are the primary drivers of seiche, which excite the natural modes of Lake Bourget. Our findings confirm that the sediments found in the deep basin originated from one main subaqueous landslide and from tsunami erosion of littoral sands (backwash). However, the seismically induced seiche was solely responsible for keeping the fine-grained sediment cloud in suspension for several days and led to the formation of the homogenite layer (or seiche deposit) with typical grain orientation characteristics and could also be effective in identifying whether landslides or delta collapses (linked to homogenite/megaturbidites) in closed lakes were triggered by seismic or nonseismic sources which is crucial for reconstructing the history of past earthquakes and associated hazards.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,099

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,259
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSeismic Imaging and Inversion Techniques→Travaux en français237 207→