Layer stripping the response from sedimentary basins in teleseismic data using transfer functions
Notice bibliographique
Résumé
Receiver functions generated from distant earthquakes have long been used to determine deep crustal and mantle structure beneath seismic stations. Teleseismic research over sedimentary basins often has to contend with cluttering of the seismic response by basin reverberations. A sedimentary basin typically exhibits a sharp velocity contrast at their base, which acts as a strong reflector for downgoing seismic waves, leading to reverberations within the basin between the basement interface and freesurface. These reverberations obscure important P to S converted arrivals and Moho reverberations in receiver functions. This research tests whether it is possible to remove the effects caused by a sedimentary basin (layer-strip) using imperfect velocity models. A filter is generated using the propagator method, as the spectral ratio of two model responses: one containing the basin and one without. The transfer function, generated as the ratio between the two responses, acts as an acausal filter. Tests on synthetic data were used to evaluate the level of model accuracy required for effective filtering. The method was then tested on real data from Canadian National Seismograph Network station EDM (Edmonton, Alberta, in the Western Canada Sedimentary basin) as well as a line of EarthScope Transportable Array stations over the Williston Basin. Results indicate that the effectiveness of the filter is correlated with the quality of the model, and that the method significantly improves the recovery of Moho reverberations (and thus the quality of an H-k stack) on real teleseismic data collected over sedimentary basins. As a quality basin model is required to achieve trustworthy filtering, the layer-strip methodology is particularly useful in areas where a velocity model is produced with two or more lines of evidence.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».