Surface Properties of Sediments at the 2014–2015 Holuhraun Lava Flow-field: Insights from Multiwavelength Radar
Notice bibliographique
Résumé
Abstract Redistribution of sediments can lead to mantling of geologic features. This can obscure the original texture of lava flows, making it difficult to understand their emplacement conditions based on remote sensing data alone. In situ data acquired in planetary-analog environments can be used with remote sensing data to estimate radar attenuation due to mantling and improve interpretations of planetary data sets. We use remote sensing data of the 2014–2015 Holuhraun lava flow-field in Iceland to quantify how sediment mantling impacts radar returns. Specifically, we (1) examine changes between 2015 and 2022 in Sentinel-1 C-band (5.405 GHz) synthetic aperture radar data due to sediment mantling over the flow-field, (2) use in situ ground-penetrating radar (GPR) measurements to estimate sediment thickness, and (3) incorporate radar modeling work to estimate attenuation for both C- and L-band radar and surface scattering. Our results show that lava mantled by sediment exhibits a reduction in radar backscatter on the order of ∼4 dB from 2015 to 2022 for VH and VV polarizations. Field work in 2022 July using GPR resolved average sediment layer thicknesses of 37–62 cm for two locations along the northern margin of the 2014–2015 Holuhraun lava flow-field. We suggest that damp sediment impedes radar penetration and that radar loss from 2015 to 2022 is due to surface scattering differences between rough lava and a smooth sediment-mantled surface. This highlights the importance of constraining surface dielectric properties for interpretation of future planetary radar data sets and modeling work.
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 | 0,001 | 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 ».