Análisis geomorfológico y estructural de la Cuenca Pescadero Sur, Golfo de California, a partir de batimetría de alta resolución y técnicas de aprendizaje automático
l análisis discriminante lineal (ADL) es una técnica utilizada en aprendizaje automático y en reconocimiento de patrones para problemas de reducción de dimensionalidad. En este trabajo de tesis, aplicamos el ADL para detectar escarpes de fallas en perfiles batimétricos de alta resolución en la Cuenc...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Estado: | Versión publicada |
| Fecha de publicación: | 2022 |
| País: | México |
| Institución: | Centro de Investigación Científica y de Educación Superior de Ensenada |
| Repositorio: | Repositorio Institucional CICESE |
| Idioma: | español |
| OAI Identifier: | oai:cicese.repositorioinstitucional.mx:1007/3717 |
| Acceso en línea: | http://cicese.repositorioinstitucional.mx/jspui/handle/1007/3717 |
| Access Level: | acceso abierto |
| Palabra clave: | info:eu-repo/classification/autor/ADL, escarpes, fallas, degradación, batimetría info:eu-repo/classification/autor/LDA, fautl, scarps, degradation, bathymetry info:eu-repo/classification/cti/1 info:eu-repo/classification/cti/25 info:eu-repo/classification/cti/2506 info:eu-repo/classification/cti/250620 |
| Sumario: | l análisis discriminante lineal (ADL) es una técnica utilizada en aprendizaje automático y en reconocimiento de patrones para problemas de reducción de dimensionalidad. En este trabajo de tesis, aplicamos el ADL para detectar escarpes de fallas en perfiles batimétricos de alta resolución en la Cuenca Pescadero Sur (CPS) ubicada en el Golfo de California. El ADL utiliza como muestras de entrenamiento a los perfiles de escarpes de fallas y cuestas (topografía inclinada) identificados en la Cordillera Alarcón (CA). Esta representación geométrica se transforma a un espacio paramétrico mediante un modelo idealizado de degradación de escarpes de falla. Mediante inversión, obtenemos el producto del coeficiente de difusión de masa con el tiempo (τ), la altura del escarpe (0) y la bondad de ajuste del modelo (ϵ) sobre los perfiles del escarpe y las cuestas. El ADL transforma el espacio paramétrico τ, 0, ϵ según el criterio de Fisher en un espacio dimensional 1D que maximiza la separabilidad de las clases. Posteriormente, la clasificación se realiza mediante la regla de decisión de Bayes utilizando funciones de densidad de probabilidad construidas a partir de los datos proyectados en 1D para cada clase (escarpes de falla y cuestas). Los resultados de la implementación en la CPS muestran la capacidad de detectar fallas en la parte más profunda de la cuenca donde el piso oceánico plano de la cuenca está interrumpido por arreglos de escarpes de falla morfológicamente jóvenes. La interpretación ADL supera a la identificación manual, particularmente en los escarpes de fallas que tienen una longitud superior a ∼3 km, mientras que las fallas más cortas son difíciles de distinguir de otras características lineales como canales. Identificamos episodios de generación e interacción cinemática entre fallas a partir de la obtención de las edades de difusión. Se estiman edades absolutas para el escarpe de falla oeste y central de 274 ka y 41 ka respectivamente. |
|---|