Characterizing fault features in low-density seismic coverage areas using the satellite gravity and EMAG magnetic data: A case study of the southeastern Gulf of Mexico basin
Notice bibliographique
Résumé
Abstract Seismic data can provide an intuitive and accurate reflection of stratigraphic information. However, in areas with low-density seismic line coverage, relying solely on seismic profiles to accurately describe the spatial distribution characteristics of faults in the study area is not convincing. This study used two boundary identification methods of gravity and magnetic potential fields: analytical signal amplitude and mean normalized total horizontal derivative, to identify the boundaries of geological bodies in the southeastern Gulf of Mexico basin, based on the lateral heterogeneity of geological structures. Combined with the interpretation results of seismic profiles, the accuracy of the potential field boundary identification was verified, enhancing the rationality of joint gravity, magnetic, and seismic interpretation results for studying the spatial distribution characteristics of faults. The study confirmed that the analytical signal amplitude and the mean normalized total horizontal derivative methods can be effectively applied to fault characterization in areas with insufficient seismic coverage. Multiscale faults identified using various approaches controlled the stratigraphic deposition during the Jurassic and Early Cretaceous periods. This research implemented a method for enhancing the satellite gravity and magnetic anomalies and provided new insights into studying the sedimentary faults and regional tectonic evolution in the southeastern Gulf of Mexico basin.
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 ».