Please use this identifier to cite or link to this item: http://hdl.handle.net/10077/10125
Title: Tomografia crostale della Pianura Padana e calibrazione di procedure di localizzazione.
Other Titles: Crustal tomography of the Po Plain and calibration of location procedures
Authors: Tiberi, Lara
Supervisore/Tutore: Costa, Giovanni
Issue Date: 24-Apr-2014
Publisher: Università degli studi di Trieste
Abstract: I terremoti costituiscono un disastro naturale ricorrente su tutto il territorio italiano e per questo sono estremamente importanti interventi mirati e rapidi di protezione civile. La rapidità di questi interventi dipende dalla produzione di localizzazioni veloci e possibilmente in tempo reale degli eventi sismici. La precisione delle localizzazioni, inoltre, è necessaria per identificare le faglie sismogenetiche. Per questi due aspetti, è necessario un miglioramento dei sistemi di monitoraggio esistenti in modo da poter accrescere la qualità delle localizzazioni automatiche in tempo reale. Lo scopo di questo studio è la scrittura di una procedura che localizza accuratamente eventi sismici in tempo reale. La qualità delle localizzazioni è fortemente dipendente dalla corretta determinazione delle fasi P ed S. A volte è difficile riconoscere il corretto arrivo di una fase, poiché il segnale sismico può essere di difficile lettura per differenti motivi, come, ad esempio, la complessità del meccanismo della faglia generatrice e la presenza di rumore sia naturale che artificiale. Per questo motivo abbiamo studiato, analizzato e comparato differenti metodi per la rilevazione delle fasi e per la localizzazione degli eventi sismici. Gli algoritmi di rilevazione delle fasi che sono stati valutati sono lo Short Time Average su Long Time Average ratio (STA/LTA) e la funzione di Akaike Information Criterion (AIC). Il primo di questi è una tecnica comune usata per distinguere il segnale sismico dal rumore. E’ basato sul calcolo continuo di due valori medi dell’ampiezza assoluta di un segnale sismico in due finestre di tempo di differente lunghezza: media sull’intervallo breve (STA) e media sull’intervallo lungo (LTA). Il rapporto di queste due medie (STA/LTA) viene comparato ad un valore di soglia. Quando questo rapporto è maggiore della soglia, viene rilevata una fase nel segnale sismico analizzato. Il settaggio di questo sistema dipende dalla scelta dei parametri, questo prouce instabilità. La funzione di AIC è una metodologia sofisticata e precisa [Akaike and Hirotugu, 1974], basata sul classico metodo della massima verosimiglianza. La sua applicazione più comune consiste nella selezione tra pi` modelli: la stima della massima verosimiglianza dei parametri del modello da il minimo della funzione AIC. Questo metodo è strettamente correlato alla scelta della finestra di tempo nella quale applicare la funzione. Per questo motivo è necessaria una combinazione di più tecniche in modo da poter scegliere automaticamente la finestra corretta. In un segnale sismico il minimo della funzione AIC identifica l’arrivo delle onde P o delle onde S. Questa funzione è utilizzata nella procedura dell’AutoPicker [Turino et al., 2010]. Una volta identificate le fasi, è necessario elaborarle in modo da poter localizzare eventi sismici. In Antelope la procedura di localizzazione è chiamata orbassoc. Questa metodologia legge le fasi rilevate tramite il metodo STA/LTA e cerca di produrre una localizzazione dell’evento sulle tre possibili griglie: telesismica, regionale e locale. La soluzione, che produce tempi teorici di percorrenza per ogni stazione, che si accordano maggiormente con le osservazioni, viene considerata la migliore. Nell’AutoPicker l’algoritmo di localizzazione è Hypoellipse [Lahr, 1979], nel quale i tempi di percorrenza sono stimati utilizzando una struttura a strati piani paralleli e gli ipocentri sono calcolati utilizzando il metodo di Geiger [Geiger, 1912]. In questo lavoro abbiamo utilizzato metodologie per la localizzazione diverse da quelle assolute come Hypoellipse. L’HypoDD [Waldhauser and Ellsworth, 2000] è un algoritmo relativo, ovvero le localizzazioni vengono calcolate in riferimento alla localizzazione di un evento principale o dal sito di una stazione. Questo metodo può essere applicato solo nel caso in cui la distanza ipocentrale tra i due terremoti è piccola comparata alla distanza evento-stazione e alle eterogeneità laterali del campo delle velocità. In questi casi il percorso del raggio tra le due sorgenti e una stazione comune sono simili per gran parte del percorso del raggio. Per testare le prestazioni dell’AutoPicker, lo abbiamo applicato ad un database di 250 eventi registrati nell’area di contatto tra le Alpi e le Dinaridi nell’anno 2011 dalla rete C3ERN - the Central Eastern European Earthquake Reasearch Network [Dipartimento di Matematica e Geoscienze (DMG), Istituto Nazionale di Oceanografia e di Geofisica Sperimentale (OGS), Agencija RS za okolje (ARSO) e Zentralanstalt fr Meteorologie und Geodynamik (ZAMG)]. L’algoritmo automatico proposto è risultato essere un utile strumento per l’assegnazione automatica degli arrivi delle onde P ed S. Questo risultato incoraggiante ci ha permesso di procedere nel confronto tra questa nuova metodologia e Antelope, utilizzato da noi quotidianamente in tempo reale per rilevare fasi e localizzare eventi. La complessità del contesto tettonico influenza il percorso dei raggi e conseguentemente la localizzazione degli eventi. In regioni dove sono presenti molte strutture sismogenetiche, una localizzazione precisa della sequenza sismica è essenziale, in modo da capire quale è la faglia generatrice. In questi casi l’uso di modelli 1-D potrebbe non essere sufficiente, mentre un modello 3-D potrebbe descrivere al meglio l’area interessata. La tomografia dei primi arrivi è una tecnica comune per ottenere un modello tridimensionale dalla localizzazione degli eventi. In questo studio abbiamo utilizzato una tomografia di eventi locali (Local Earthquake Tomography, LET) [Aki, 1982]. La tomografia dei primi arrivi e la localizzazione 3-D degli eventi sono state eseguite, rispettivamente, utilizzando il Computer Aided Tomography per modelli 3D (Cat3D) [Cat3D user manual, 2008] e il Non Linear Location (NonLinLoc) [Lomax et al., 2000] attraverso una procedura iterativa. Il Cat3D viene utilizzato solitamente in sismica attiva, mentre in questo studio è stato applicato ad un caso sismologico. La principale differenza tra la sismica attiva e la sismologia sono le incertezze nel sistema tomografico. Nella sismica attiva la localizzazione della sorgente è ben definita mentre nella sismologia è una variabile con incertezza elevata che si propaga nella stima del percorso del raggio e dei tempi di percorrenza. Per risolvere questo problema, abbiamo utilizzato una procedura iterativa composta dalla tomografia dei primi arrivi e dalla rilocalizzazione degli eventi con il modello 3-D risultante. Dopo il verificarsi della sequenza sismica emiliana nel Maggio-Giugno 2012, abbiamo deciso di analizzarla come interessante caso di studio. La sequenza sismica è iniziata il 20 Maggio (02:03:53 UTC), con un terremoto di Ml 5.9 [Scognamiglio et al., 2012]. Questa sequenza è composta da migliaia di eventi, sei dei quali con Ml maggiore di 5.0, tra cui un evento di magnitudo locale 5.8, il 29 Maggio (07:00:03 UTC). Su questi eventi abbiamo testato le prestazioni dell’AutoPicker e di Antelope. Per fare ciò abbiamo rilevato manualmente le fasi e localizzato alcuni degli eventi maggiori della sequenza sismica. Questi eventi sono caratterizzati da fasi P, ma in particolar modo fasi S, difficili da rilevare, probabilmente a causa del complesso meccanismo di faglia. Inoltre la complessità del sistema tettonico assieme all’incertezza della profondità focale rendono problematiche le localizzazioni degli eventi. La sequenza sismica emiliana ha interessato un’area di 50 km con andamento E-W localizzata nell’angolo sud della Pianura Padana, interessando il settore centrale dell’arco di Ferrara appartenente al sistema esterno della cintura degli Appennini Settentrionali. L’arco di Ferrara è composto da due sistemi: le pieghe di Ferrara nel nordest e la piega di Mirandola localizzata nella parte più interna a sudovest [Govoni et al., 2014]. Abbiamo elaborato gli arrivi P ed S in modo da poter localizzare la sequenza sismica utilizzando differenti modelli di velocità trovati in letteratura: Bragato et al. [2011], Ciaccio and Chiarabba [2002],Costa et al. [1992], Iside, Zollo et al. [1995], Malagnini et al. [2012], Massa [2012] e quattro modelli geologici proposti da Lavecchia et al. [in prep.] L’idea è di produrre un insieme di localizzazioni di eventi clusterizzati con residui minimi, in modo da poter capire quale è la faglia generatrice. Questo lavoro è stato svolto in collaborazione con l'Università di Chieti e il Dipartimento di Protezione Civile (DPC). Dalla distribuzione ipocentrale delle soluzioni, sembra che l'arco di Mirandola non sia coinvolto nella sequenza sismica, mentre i segmenti della parte interna e centrale del sistema di sovrascorrimento di Ferrara sembrano essere stati attivati dalle sequenze sismiche del 29 e del 20 Maggio, rispettivamente. La complessità dell'area interessata dalla sequenza sismica dell'Emilia, richiede il calcolo di modelli tridimensionali di velocità in modo da poter localizzare più precisamente gli eventi. Come già detto, abbiamo elaborato una procedura iterativa: tomografia dei primi arrivi e localizzazioni 3-D degli eventi, attraverso l'uso rispettivamente del Cat3D e del NonLinLoc, in collaborazione con l'OGS. La sequenza sismica copre solo una piccola parte della regione (30x30 km^2 di larghezza e 20 km di profondità), per questo l'area investigata si limiterà alla porzione superiore della crosta. Come modelli iniziali di velocità abbiamo scelto: Costa et al, 1992; Massa et al. 2013 e NewModel1 (LaVecchia et al., in prep., i quali avevano errori verticali inferiori al chilometro nello studio precedente. Il miglior modello iniziale sembra essere quello di Massa et al. (2013), il quale mostra valori di rms bassi rispetti alle altre soluzioni. I tre modelli tridimensionali di velocità per le onde P risultanti mostrano caratteristiche comuni: uno strato superficiale a bassa velocità e uno strato spesso (5-20 km in profondità) a 5.5km/s. I risultati tomografici per i modelli Vs presentano un comune strato superficiale a bassa velocità e uno strato caratterizzato da valori di velocità per le onde S di 3.0 km/s. Le tre serie di soluzioni, dei differenti modelli di velocità, sono comparabili all'interno dell'intervallo di errore, anche in termini di qualità. Le localizzazioni per la scossa principale del 20 maggio 2012 sono sparpagliate rispetto a quelle della seconda scossa principale del 29 maggio. Una possibile causa potrebbe essere l'installazione delle stazioni temporanee nel campo vicino della sequenza sismica dopo il 20 maggio 2012. Per l'evento del 29 maggio, infatti, si hanno molte più registrazioni che per il primo evento del 20 e tutte in campo vicino. Le localizzazioni degli eventi ottenute da modelli tomografici tridimensionali sono meno disperse di quelle ottenute con modelli unidimensionali, anche se le localizzazioni dei due eventi principali sono simili. In profondità le due serie di soluzioni non differiscono in modo significativo. Per migliorare la qualità della procedura di localizzazione nel nostro centro di raccolta dati, vorremo installare una procedura automatica sia rapida sia precisa. Per raggiungere questo risultato abbiamo comparato l'AutoPicker con Antelope sulla sequenza sismica dell'Emilia. Questo confronto è di fondamentale importanza per comprendere quale dei due algoritmi rileva fasi e/o localizza eventi in modo più preciso. Il nostro scopo, infatti, è quello di unire ed implementare queste due tecniche in modo da ottenere un miglior rilevatore di fasi e localizzatore. I risultati di questo confronto ci hanno portato a concludere che l'AutoPicker trova più fasi e con maggior precisione rispetto ad Antelope, sia per le fasi P che per le fasi S. Nonostante ciò il processo di associazione delle fasi in Antelope è in grado di correggere gli errori delle fasi e trovare la corretta localizzazione dell'evento. Questo ci ha suggerito di implementare l'algoritmo dell'AutoPicker nella procedura di Anteope, in modo tale che l' AutoPicker definisca gli arrivi P ed S e Antelope li associ e localizzi gli eventi. Con il miglioramento delle reti sismiche e la possibilità di raccogliere enormi quantitativi di dati, è necessario produrre enormi database, in modo da poter avere un rapido accesso ad essi e di poterli rielaborare in tempo reale o quasi reale. Per questi enormi database la rilevazione manuale delle fasi è un lavoro oneroso, che richiede tanto tempo. La possibilità di avere uno strumento che rilevi automaticamente fasi di ottima qualità, che producano risultati similari a quelli ottenuti dall'inversione tomografica utilizzando le fasi rilevate manualmente, è sicuramente conveniente ed utile. Per questa ragione abbiamo confrontato due differenti tomografie dei primi arrivi, prodotte con la stessa tecnica dell'analisi precedente, che differiscono solo per i dati di partenza: la prima è stata ottenuta dalle fasi rilevate manualmente, la seconda dalle fasi rilevate automaticamente con l'AutoPicker per la sequenza sismica dell'Emilia. I risultati ottenuti indicano un incremento del valore medio dell' rms sia nelle localizzazioni sia nella tomografia per le fasi automatiche. Nonostante questo i modelli tridimensionali ottenuti ( Vp, Vs and Vp/Vs) sono comparabili. Pertanto sembra che gli errori nelle localizzazioni non influenzino i risultati tomografici ma inficino la precisione del sistema tomografico stesso. Quindi per database contenenti enormi quantità di dati è possibile utilizzare le fasi automatiche come dati di partenza, ottenendo risultati comparabili a quelli ottenuti con le fasi manuali.
Earthquakes constitute a recurring natural disaster all over the Italian territory, and therefore civil defence focused interventions are extremely important. The rapidity of such interventions strongly depend on the production of fast and possibly real-time locations of the seismic events. The precise location of events is also needed to identify seismogenic faults. For these two aspects, an upgrade of the existing monitoring systems is fundamental to improve the automatic locations quality in a quasi real-time mode. The main purpose of this study is the production of a routine that will accurately locate seismic event in real-time. The quality of the locations strongly depends on the correct determination of the P- and S- phases. Sometimes it is hard to recognize the correct onset of a phase, since the signal can be blurred by various causes, such as, e.g., the complexity of the generating fault mechanism and the presence of natural or man-made noise. For this reason we have studied, analyzed and compared different phase picking and location methods. The picking algorithms that were evaluated are the Short Time Average over Long Time Average ratio (STA/LTA) and the Akaike Information Criterion (AIC) function. The first one is a common technique used to distinguish the seismic signal from noise. It is based on the continuous calculation of the average values of the absolute amplitude of a seismic signal in two moving-time windows with different lengths: the short-time average and the long-time average. The STA/LTA ratio is compared with a threshold value. When the ratio is larger than this threshold, the onset of a seismic signal is detected. The main disadvantage of this method is its instability, due to the parameters choice: a too long STA window could cause the non-detection of local events, whereas a too short STA window could cause the detection of man-made seismic noise. A high STA/LTA threshold records less events than the ones those have occurred, but false triggers are eliminated. If this value is chosen to be lower, more events will be detected, but more frequent false triggers could be recorded. This algorithm is part of the Antelope (BRRT, Boulder) detection procedure, used in this study. The AIC function is a precise and sophisticated methodology, being a revision of the classical maximum likelihood estimation procedure (Akaike, 1974). The AIC function is designed for statistical identification of model characteristics. Its most classical application consists in the selection of the best among several competing models; the maximum likelihood estimate of the model parameters gives the minimum of AIC function. It is strictly correlated to the correct choice of the time window in which apply the function, so it is necessary combined with other techniques, in order to automatically choose a correct window. This dependence on other methods, makes the application of the AIC function to detect phases, a complex methodology, which can be affected by errors in the parameter choices. The AIC function is used in the AutoPicker procedure (Turino et al., 2012). In a seismic signal the minimum of the AIC function identifies the P- or S- onset. In this automatic phase picker the time window in which to apply the function, in the case of P phases, is chosen by a combination of a band-pass filter and an envelope time function, used as “energy” detector to select the event in the waveform; for the S phases, the selection of the window is guided by a preliminary location of the P- phases. Once the P- and S- phases are identified, it is necessary to elaborate them in order to locate the seismic event. In Antelope the location procedure is called orbassoc. This methodology reads the pickings, determined through the use of the STA/LTA technique, and tries to produce an event location over three possible grids: teleseismic, regional and local. The solution that produces the minimum travel time residuals set (differences between synthetic travel times and observed travel times) is considered as the best one. In the AutoPicker the location algorithm is Hypoellipse (Lahr, 1979), in which the travel-times are estimated from a horizontally-layered velocity-structure and the hypocenter is calculated using Geiger's method (Geiger, 1912) to minimize the root mean square (rms) of the travel time residuals. In order to improve the location quality we have used in this work various location methodologies with respect to the absolute ones, such as Hypoellipse. The HypoDD (Waldhauser et al., 2000) is a relative algorithm, the locations depend either on the location of a master event or on a station site. This method can be applied only in the case when the hypocentral separation between two earthquakes is small compared to the event-station distance and the scale length of the velocity heterogeneities. In such cases the ray paths between the source region and a common station are similar along almost the entire ray path. In order to test the performances of the AutoPicker, we have applied it to a database of 250 events recorded in the year 2011 by the C3ERN - the Central Eastern European Earthquake Reasearch Network [Department of Mathematics and Geosciences (DMG), Istituto Nazionale di Oceanografia e di Geofisica Sperimentale (OGS), Agencija RS za okolje (ARSO) and Zentralanstalt für Meteorologie und Geodynamik (ZAMG)] – at the Alps-Dinarides contact. The proposed automatic picker appears to be a useful tool for assigning automatically onset P and S times to detected seismic signals for the purpose of rapid hypocenter calculations. These encouraging results have allowed us to proceed comparing this new picking methodology to another one, tested and used daily and in real-time by us to detect and locate events, the Antelope software. The complexity of the tectonic environment influences ray tracing and consequently the event locations. In regions where many seismogenic structures are present, a precise location of a seismic sequence is essential, in order to understand which fault is the generating one. In such cases the use of a 1-D velocity model might not be sufficient, so a 3-D velocity model is a better solution to describe the studied area. The travel-time tomography is a common technique to obtain a 3-D velocity model, from event locations. In this study we have chosen a local earthquake tomography (LET) (Aki, 1982). The travel time tomography and the 3-D event location are performed, respectively, using the Computer Aided Tomography for 3D models (Cat3D) software (Cat3D manual, 2008) and the Non Linear Location (NonLinLoc) software (Lomax et al., 2000) through an iterative procedure. The Cat3D is basically used in active seismics, but in this study it is applied to a seismological case. The main difference between active seismics and seismology are the unknowns in the tomographic system. In seismology the source location is an unknown parameter with a high uncertainty, while in active seismics the source locations are well defined. In this study, the introduction of the source location in the tomographic system, introduces uncertainties in obth the ray tracing and travel-times estimation. In order to solve this uncertainty, we used an iterative procedure composed by the application of tomography and the event location in resulting 3-D velocity model. After the occurrence of the Emilia seismic sequence in May-June 2012, we have decided to investigate it as an interesting study case. The sequence started on May 20 (02:03:53 UTC), with a ML 5.9 earthquake, preceded by a M_L 4.1 foreshock, three hours earlier (Scognamiglio et al., 2012). Theaftershock sequence comprised thousands of earthquakes, six of them with M_L ≥ 5.0. Among these, a M_L 5.8 earthquake, on May 29 (07:00:03 UTC), caused probably more damages than the first shock. Through the study of this seismic sequence we have tested the performances of the automatic picking algorithms. In order to do that, we have manually picked and located some of the major events of this seismic sequence. These events are characterized by P- and especially S-phases, which are really difficult to detect, probably because the fault system of the Emilia earthquake area is complex. Moreover, the complexity of the tectonic environment along with the focal depth uncertainty make the event locations problematic, because it is not always easy to assess which fault has moved. The Emilia sequence occurred in the central, roughly E-W trending, sector of the Ferrara arc belonging to the external fold-and-thrust system of the Northern Apennines belt. The Ferrara arc is structured into two major fold-and-thrust systems: the Ferrara system in the northeast and the Mirandola system located in a more internal position to the southwest (Govoni et al., 2014). We have processed the P- and S- onsets in order to locate the seismic sequence using different velocity models found in literature: Bragato et al. (2011), Ciaccio et al. (2002), Costa et al. (1992), “Iside”, Zollo et al. (1995), Malagnini et al. (2012), Massa (Rapporto DPC-INGV S1-2013) and four geological models proposed by Lavecchia et al. (in prep). The idea is to produce a set of clustered event locations with the lowest residuals, in order to understand which is the generating fault in the complex system of faults. This work is being performed in collaboration with Università di Chieti and Department of Civil Defence (DPC). From the hypocentral distribution, it seems that the Mirandola thrust was not involved during the Emilia sequence, whereas the internal and middle segments of the Ferrara thrust systems were activated by 29 and 20 May seismic sequences, respectively. The complexity of the seismic sequence area in Emilia requires the calculation of a tridimensional velocity model in order to locate more precisely the events. As already said, we elaborated an iterative procedure: travel-time tomography and 3-D event locations, through the use of the Cat3D and NonLinLoc softwares, in collaboration with OGS. This is done to minimize the uncertainties introduced in the tomographic system by the unknown source locations. Since the seismic sequence covers only a small part of this region (about 30x30km^2 wide and 0-20 km deep), the investigated area will be limited to its upper crustal part. As initial velocity models, we have chosen those ones: Costa et al, 1992; Massa et al. 2013 and NewModel1 (LaVecchia et al., in prep.) that have vertical errors lower than one km. The best velocity model is the one, obtained using as initial model the Massa et al. (2013), which shows rms values lower than the others. The three resulting 3-D Vp velocity models shows similar characteristcs: a surface layer (0 – 5 km) of low Vp velocity, about 1,8 km/s, and a thick layer (5 – 20 km) of 5.5 km/s. The tomographic results for Vs velocity model present a common shallow layer (0 - 3 km) of low velocity (about 1 km/s) and a thick layer (3 - 13 km) characterized by a Vs velocity value of about 3.0 km/s. The three set of solutions, from the different velocity models, are comparable in the errors range. The locations for the main-shock of the 20th of May, 2012 are more scattered respect the solutions for the 29th's. A possible reason could be the installations of temporary stations in the near field of the sequence after the 20th of May, 2012. For the 29th event, in fact, we have more waveforms than for the previous main-shock, and all of them in the near field. We calculated the rms for each event in order to discriminate a velocity model with respect to another from the quality of the locations. We obtained three similar rms values trends, so we were not able to choose a best velocity model. The events locations from 3-D tomographic models are less scattered than those one computed from the 1-D ones; otherwise the locations of the two main-shock events seem to be quite similar. In depth the two set of solutions do not differ in a significative way. To improve the quality of the location procedure in our datacenter, we would like to install a precise and rapid automatic procedure. Therefore, we have compared the AutoPicker method with a more tested and solid one, the Antelope picking method, on the Emilia seismic sequence of data, using as reference pickings and locations the manual ones. This comparison is of fundamental importance which one of the two algorithms better detects phases and/or locates events. Our aim is, in fact, to merge and implement these two techniques to obtain a better detector and locator. AutoPicker finds more and preciser phases than Antelope both P- and mainly S-phases. Despite that the associator process in Antelope, is able to correctly associate the detections and to find the correct location. The obtained results suggest us to implement the AutoPicker algorithm in the Antelope procedure in order to use the AutoPicker to define P- and S-onset and Antelope to associate them and locate the events. With the improvement of seismic networks and the possibility to store huge amounts of data, it is necessary to produce big databases, in order to have a rapid access to the data and to re-elaborate them in real time o quasi real time mode. For big databases, the manual picking is an onerous work, requiring a lot of time. The possibility to have a good-quality automatic tool for phase recognition and picking, which produces similar results to those obtained from the tomographic inversion by using manual phases picking, is certainly convenient and useful. For this reason, we have compared two different travel time tomographic inversions made with the same technique of the previous analysis, differing only in the input phase files: the first one obtained from manual pickings, the second one from the automatic AutoPicker pickings of the Emilia sequence. The obtained results indicate an increase of the average rms both on the locations and on the tomography. Despite that, the tridimensional velocity models (Vp, Vs and Vp/Vs) are comparable, therefore, it seems that the location errors do not influence the tomographic results but the precision of the tomographic system. So for a large database it is possible to use automatic phases as input in a travel-time tomography, obtaining similar results as those obtained using manually picked phases.
Ciclo di dottorato: XXVI Ciclo
metadata.dc.subject.classification: GEOSCIENZE
Description: 2012/2013
Keywords: Crustal tomography
location algorithms
seismic sequences
Language: en
Type: Doctoral Thesis
Settore scientifico-disciplinare: GEO/10 GEOFISICA DELLA TERRA SOLIDA
NBN: urn:nbn:it:units-12547
Appears in Collections:Scienze della terra

Files in This Item:
File Description SizeFormat
Tiberi_phd.pdfTESI DI DOTTORATO6.51 MBAdobe PDFThumbnail
View/Open
Show full item record


CORE Recommender

Page view(s)

1,167
checked on May 26, 2019

Download(s)

998
checked on May 26, 2019

Google ScholarTM

Check


This item is licensed under a Creative Commons License Creative Commons