MétaCan
Menu
Retour à la cohorte
Enregistrement W6893324731 · doi:10.5281/zenodo.15720358

Assessing Potential Geophysical and Environmental Impacts from Frequent Rocket Launch Missions at Kennedy Space Center

2024· article· en· W6893324731 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2024
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Waves and Analysis
Établissements canadiensStrathcona Community HospitalConocoPhillips (Canada)
Organismes subventionnairesnon disponible
Mots-clésRocket (weapon)Sedimentary rockSpace launchSounding rocketSeismic waveDispersion (optics)

Résumé

récupéré en direct d'OpenAlex

Kennedy Space Center (KSC) in Florida has been utilized for space missions over many years with a gradually increasing number of rocket launches. There have been multiple studies where air-coupled acoustic waves and infrasound originating from launched rockets were used for operational purposes, such as locating booster trajectories as a function of changingatmospheric conditions. However, no study has utilized the acoustoelastic waves as a signal source for subsurface seismic investigations. We conducted a dispersion analysis using the seismic energy recorded from the Artemis I rocket launch at KSC in November 2022, and from these results we generated depth-sensitivity kernels at different wave frequencies. Thekernels were compared with sedimentary core data to verify boundaries of carbonate layers above the Floridan Aquifer System. Accumulative information of bedrock-sediment boundary across the sedimentary platform could especially provide geo-structural evidence that manifests the configuration of coastal features. Continuous dispersion analysis of seismic recordings from consecutive rocket launches also has potential to identify non-stationary environmental effects,such as reorientation of sedimentary structures and fluctuation of the saltwater/groundwater lens from gravitational tides, which may affect erosional susceptibility of coastal features.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,018
Tête enseignante GPT0,218
Écart entre enseignants0,200 · 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'étudeObservationnel
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetSeismic Waves and AnalysisTravaux en français237 207