Improvement in the Empirical Green's Function Extraction Using Root Mean Square Ratio Stacking
محل انتشار: مجله فیزیک زمین و فضا، دوره: 46، شماره: 4
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 62
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JESPHYS-46-4_004
تاریخ نمایه سازی: 26 مهر 1402
چکیده مقاله:
Seismic interferometry is an efficient technique to extract the Empirical Green's Function (EGF) between station pairs when the source is considered at one of the stations. The geometry and energy flux of asymmetric noise sources have unavoidable impacts on the extracted EGFs, deduced from ambient seismic noise recorded in pairs of stations. In this study, to consider these effects, three methods of noise correlation functions stacking (linear, root mean square, root mean square ratio) are investigated using synthetic and real data processing. During synthetic data processing, effects of the noise sources geometry and energy flux inside and outside the Fresnel zone are examined. After separating stationary and non-stationary sources, the results have shown that the root mean square ratio contains the least effects of non-stationary signals compared to other methods of stacking. Moreover, comparison of the EGFs from the recorded data in Azerbaijan (NW Iran), indicates that the signal retrieved by root mean square ratio is more reliable than the other stacking methods' signals (e.g., linear, root mean square).
کلیدواژه ها:
Asymmetric distribution of noise energy flux ، Empirical Green's functions ، Fresnel zone ، Non-stationary signals ، Root Mean Square Ratio stacking
نویسندگان
Mahsa Safarkhani
M.Sc. Graduated, Department of Earth Physics, Institute of Geophysics, University of Tehran, Tehran, Iran
Taghi Shirzad
Assistant Professor, Institute of Geophysics, Polish Academy of Sciences, Warsaw, Poland
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :