Sea Ice Thickness Reconstruction Using Icequake Waveform Inversion and Tomorgraphy
Notice bibliographique
Résumé
La glace de mer joue un rôle crucial dans le système climatique terrestre, agissant à la fois comme moteur et comme indicateur sensible des changements environnementaux — en particulier dans les régions polaires et subpolaires. Cette étude vise à améliorer notre compréhension de la structure de la glace de mer et de sa variabilité temporelle en réponse aux forçages environnementaux, en reconstruisant l'épaisseur de la glace de mer par inversion d’onde sismique et tomographie, à partir de données sismiques passives et actives. L’objectif plus large est de contribuer à une meilleure compréhension des changements climatiques.Nous utilisons la modélisation directe de la propagation des ondes sismiques dans la glace de mer pour générer des formes d’ondes synthétiques, en utilisant la méthode des éléments spectraux (SEM). Ces formes d’ondes synthétiques sont ensuite intégrées dans un cadre d’inversion qui les compare aux ondes observées, enregistrées par des capteurs sismiques placés sur la glace. En minimisant l’écart entre les données synthétiques et les données observées à l’aide d’une approche stochastique combinée à une recherche sur grille, nous estimons l’épaisseur de la glace le long des trajets source-récepteur et déterminons les localisations des icequakes. Cette stratégie d’inversion est appliquée aux données issues à la fois de sources sismiques passives et actives. Une fois les estimations d’épaisseur obtenues, elles sont utilisées comme entrée pour une deuxième étape d’inversion : la tomographie sismique. Ce processus permet d’obtenir des cartes de l’épaisseur de la glace de mer avec une résolution spatiale.L’approche est validée par des tests synthétiques, puis appliquée à plusieurs ensembles de données réelles. L’ensemble principal, acquis sur le lac Vallunden, au Svalbard (Norvège), entre le 28 février et le 26 mars 2019, comprend des enregistrements passifs continus ainsi que deux expériences à sources actives, à partir de 247 capteurs. Les icequakes quotidiens, extraits des données passives à l’aide d’algorithmes d’apprentissage automatique, constituent la base de notre inversion. Des ensembles de données supplémentaires provenant d’expériences à sources actives à petite échelle menées au Québec (Canada), en mars 2024 et février 2025, permettent une validation supplémentaire de notre approche. Dans tous les cas, les résultats de la tomographie sismique sont cohérents avec les observations de terrain, y compris les mesures in situ et les relevés de température.Les cartes quotidiennes de l’épaisseur de la glace, dérivées des données du Svalbard, révèlent un schéma spatial clair, avec une glace plus fine au centre du lac et plus épaisse vers les bords. Elles capturent également les variations quotidiennes de croissance et de fonte de la glace au fil du temps, montrant des corrélations significatives avec les observations et les fluctuations de température. Ces résultats démontrent la robustesse et la sensibilité de notre méthode, qui combine une modélisation numérique efficace avec des stratégies d’inversion avancées. En capturant l’évolution quotidienne de la structure de la glace de mer, ce travail apporte des éléments précieux sur l’épaisseur et l’évolution de la glace, et introduit un outil novateur pour observer et comprendre les changements climatiques affectant les environnements cryosphériques.
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 ».