Understanding and forecasting sudden explosive eruptions
Notice bibliographique
Résumé
Explosive eruptions of VEI ≤ 3 commonly occur with few warning signs. Such eruptions can be magmatic, phreatomagmatic, or phreatic in nature, and they are driven by the catastrophic release of pressurized gas. Our challenge is how to better forecast these eruptions and better understand them with existing and new tools. Here we examine a number of such eruptions, some lethal to humans, which have occurred during the last decade. We first describe key precursory signals that preceded these events, examine whether they developed in a bottom-up or top-down fashion, and compare the different timescales of precursory activity. In an attempt to understand how, when, and where these systems become pressurized, we then outline the different processes and crustal locations leading to the overpressure. We further identify a number of precursory signals that may be generally applicable and exportable to such systems, and we discuss effective means of using thresholds of these precursory signals and eruptive transitions to improve our forecasting abilities. We conclude by outlining three grand challenges for the next decade: (1) complete forecasts of explosive eruptions including when, where, how big, and what type, (2) a full view of subsurface volcano plumbing, and (3) monitoring networks that are comprehensive, similar, and systematic in nature.
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 | 0,000 |
| 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) | 0,000 | 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 ».