# Quantitative Seismic Full Waveform Inversion for 3D Imaging of Ice Fabric Anisotropy and Englacial Fracture Networks in Temperate Glaciers

## Metadata

- **SPORE ID**: SPR-2026-1DD0
- **Domaines**: Geophysics x Glaciology
- **Date de generation**: 2026-04-12
- **Panel consensus score**: 6.4/10
- **Novelty score**: 0.6/1.0
- **Panel verdict**: publish_brief

## Abstract

If the viscoelastic properties of glacier ice (shear modulus μ, attenuation Qs⁻¹) are spatially heterogeneous due to variations in crystal fabric, temperature, and fracture density, then applying multi-parameter viscoelastic Full Waveform Inversion (FWI) to dense active-source seismic datasets will resolve these properties with a spatial resolution of ≤10 m horizontally and ≤5 m vertically in the upper 200 m of ice, because the complete seismic wavefield (amplitudes and phases) is sensitive to perturbations in stiffness and anelasticity at scales below the seismic wavelength.

The proposed mechanism involves 3 causal steps: (1) A spatially variable ice crystal fabric (c-axis orientation) and/or the presence -> (2) These mechanical perturbations alter the propagation characteristics of seismic  -> (3) A viscoelastic FWI algorithm, which minimizes the difference between observed an.

Literature grounding on 5 verified references yields a novelty score of 0.6 (incremental). A 3-phase experimental protocol (budget: €20k-120k, timeline: 9-21 months) is proposed, starting with in silico validation. A panel of 5 expert reviewers reached a consensus score of 6.4/10.

## 1. Hypothese et mecanisme propose

### 1.1 Formulation formelle

If the viscoelastic properties of glacier ice (shear modulus μ, attenuation Qs⁻¹) are spatially heterogeneous due to variations in crystal fabric, temperature, and fracture density, then applying multi-parameter viscoelastic Full Waveform Inversion (FWI) to dense active-source seismic datasets will resolve these properties with a spatial resolution of ≤10 m horizontally and ≤5 m vertically in the upper 200 m of ice, because the complete seismic wavefield (amplitudes and phases) is sensitive to perturbations in stiffness and anelasticity at scales below the seismic wavelength.

### 1.2 Variables

**Variables independantes :**

| Variable | Type | Plage | Unite |
|----------|------|-------|-------|
| Seismic Source Frequency | continuous | 10-200 | Hz |
| Receiver Spacing | continuous | 1-10 | m |
| Source-Receiver Offset | continuous | 10-1000 | m |

**Variables dependantes :**

| Variable | Type | Direction attendue | Unite |
|----------|------|-------------------|-------|
| Inverted Shear Wave Velocity (Vs) | continuous | non-monotonic | m/s |
| Inverted Shear Wave Attenuation (Qs⁻¹) | continuous | non-monotonic | dimensionless |
| Model-Data Misfit (L2 Norm) | continuous | decrease | dimensionless |
| Spatial Correlation Length of Vs Anomalies | continuous | non-monotonic | m |

### 1.3 Chaine causale

1. Step 1: A spatially variable ice crystal fabric (c-axis orientation) and/or the presence of water-filled fractures induces local anisotropy and reductions in the effective shear modulus (μ) and increases anelastic attenuation (Qs⁻¹).
1. Step 2: These mechanical perturbations alter the propagation characteristics of seismic shear waves (S-waves), specifically reducing their phase velocity (Vs = √(μ/ρ)) and increasing their amplitude decay with distance, relative to isotropic, cold ice.
1. Step 3: A viscoelastic FWI algorithm, which minimizes the difference between observed and synthetic seismic waveforms by iteratively updating a 3D model of μ and Qs⁻¹, will converge to a solution where regions of low Vs and high Qs⁻¹ spatially correlate with independently mapped fabric clusters or fracture zones.

**Hypotheses cles :**

- The seismic wavefield in the frequency band 10-200 Hz is primarily sensitive to elastic and anelastic properties, with scattering effects from discrete fractures being treatable as an effective medium attenuation.
- The starting velocity model for FWI (e.g., from travel-time tomography) is accurate enough to avoid cycle-skipping for the lowest frequencies used (10-30 Hz).
- The source wavelet and receiver coupling are sufficiently well-characterized to allow accurate forward modeling.
- The ice can be approximated as a transversely isotropic, viscoelastic solid at the seismic wavelength scale (≈15-150 m).

**Inconnues identifiees :**

- The precise quantitative relationship between specific fabric eigenvalues (e.g., from eigenvalue analysis of c-axis orientations) and the anisotropic seismic tensor in temperate ice.
- The relative contribution of fracture water content versus fabric to the total observed seismic attenuation (Qs⁻¹) in the 10-200 Hz band.
- The minimum fracture density and scale required to be detectable as a perturbation in effective medium properties versus as discrete scatterers.

### 1.4 Conditions aux limites

- **Ice temperature must be isothermal and very close to the pressure melting point (e.g., -2°C to 0°C).** — This minimizes the strong confounding effect of a vertical temperature gradient on the seismic velocity profile, allowing fabric and fracture signals to be isolated. Applicable to temperate or polythermal glaciers in ablation zones.
- **Survey depth of investigation is limited to the upper 200 m of ice.** — Seismic attenuation in ice significantly reduces signal-to-noise ratio for frequencies >10 Hz at greater depths, limiting the resolution of FWI which requires high-frequency data.
- **Minimum source-receiver offset must be ≥5 times the target depth.** — To ensure sufficient penetration and wide-angle coverage necessary for constraining velocity variations via FWI, not just reflection imaging.
- **Initial model for FWI must be derived from first-arrival travel-time tomography of the same dataset.** — This ensures the starting model is data-consistent and minimizes the risk of cycle-skipping, a primary failure mode of FWI.

### 1.5 Cadre theorique

Viscoelastic Seismic Wave Propagation and Bayesian Inverse Theory

## 2. Etat de l'art et positionnement

### 2.1 Travaux les plus proches

- **[2023] Characterising ice slabs in firn using seismic full waveform inversion, a sensitivity study** — [10.1017/jog.2023.30](https://doi.org/10.1017/jog.2023.30)
  - Similarite: direct
  - Difference cle: This paper applies FWI specifically to firn/ice slabs, demonstrating the core methodological transfer. The SPORE hypothesis broadens this to the entire internal structure and fracture dynamics of ice sheets (e.g., fabric anisotropy, temperate ice, englacial hydrology, basal properties), proposing a more comprehensive application of advanced seismic inversion frameworks beyond firn characterization.
- **[2022] A synthetic study of acoustic full waveform inversion to improve seismic modelling of firn** — [10.1017/aog.2023.10](https://doi.org/10.1017/aog.2023.10)
  - Similarite: direct
  - Difference cle: This is a synthetic study focused on firn. The SPORE hypothesis extends the application to real, complex ice sheet environments and a wider range of targets (fractures, basal dynamics) using both active and passive seismic data.
- **[2021] Full Waveform Inversion (FWI) for glaciological seismic data –Improving the seismic characterisation of glacier firn** — [10.5194/EGUSPHERE-EGU21-916](https://doi.org/10.5194/EGUSPHERE-EGU21-916)
  - Similarite: direct
  - Difference cle: This work proposes FWI for firn characterization. The SPORE hypothesis is more ambitious, advocating for the application of the full suite of seismic wave propagation and inversion techniques (tomography, FWI for elastic/viscoelastic media) to model the 3D internal structure and monitor dynamic processes like fracture propagation within entire ice sheets.

### 2.2 Base de preuves

- **[2023] Characterising ice slabs in firn using seismic full waveform inversion, a sensitivity study** — [10.1017/jog.2023.30](https://doi.org/10.1017/jog.2023.30)
  - Type: direct | Citations: 4
  - Directly applies seismic Full Waveform Inversion (FWI) to characterize ice layers within firn, demonstrating the core methodological transfer from geophysics to glaciology for imaging internal ice sheet structure.
- **[2022] A synthetic study of acoustic full waveform inversion to improve seismic modelling of firn** — [10.1017/aog.2023.10](https://doi.org/10.1017/aog.2023.10)
  - Type: direct | Citations: 6
  - A synthetic study demonstrating that FWI can recover detailed firn density structure, supporting the feasibility of applying advanced seismic inversion methods to glaciological problems.
- **[2021] Full Waveform Inversion (FWI) for glaciological seismic data –Improving the seismic characterisation of glacier firn** — [10.5194/EGUSPHERE-EGU21-916](https://doi.org/10.5194/EGUSPHERE-EGU21-916)
  - Type: direct | Citations: 0
  - Explicitly argues for applying FWI to glaciological seismic data to improve subsurface imaging, particularly for firn, aligning with the hypothesis's core premise.
- **[2020] Distributed Acoustic Sensing (DAS) for Natural Microseismicity Studies: A Case Study From Antarctica** — [10.1029/2020JB021493](https://doi.org/10.1029/2020JB021493)
  - Type: indirect | Citations: 69
  - Demonstrates the use of a dense, novel seismic sensing technology (DAS) on an ice stream to monitor icequakes. This supports the 'monitor' part of the hypothesis by showing advanced seismic methods can be deployed on ice sheets to study internal dynamics.
- **[2023] Dual-Parameter Simultaneous Full Waveform Inversion of Ground-Penetrating Radar for Arctic Sea Ice** — [10.3390/rs15143614](https://doi.org/10.3390/rs15143614)
  - Type: analogous | Citations: 4
  - Applies FWI to a different wave phenomenon (GPR) on sea ice. It is analogous in demonstrating the power of FWI for high-resolution imaging of ice properties, though the wave type and target differ.

### 2.3 Contre-preuves et limitations connues

Aucune contre-preuve identifiee.

### 2.4 Evaluation de nouveaute

- **Score**: 0.6/1.0
- **Verdict**: incremental

## 3. Predictions falsifiables

| # | Prediction | Borne quantitative | Methode | H0 | Test statistique |
|---|-----------|-------------------|---------|-----|-----------------|
| 1 | If FWI successfully resolves fabric-induced anisotropy, then the azimuthal variation of inverted Vs along a dense 2D line over a known fabric transition zone will be ≥3% (e.g., 1650-1700 m/s vs. 1600-1650 m/s) and fit a cos(2θ) pattern aligned with the fabric principal direction. | Azimuthal Vs variation of 3-8% over azimuths of 0-180 degrees. | Compare FWI-derived Vs(θ) with fabric principal direction from ice core thin-section analysis or polarimetric radar within a 20m vertical window. | H0: The azimuthal variation of Vs is ≤1% and shows no systematic correlation (R² < 0.3) with the fabric principal direction. | F-test for significance of a cos(2θ) regression model vs. a constant model, with alpha=0.01. |
| 2 | If fractures dominate attenuation, then the spatial correlation between FWI-derived Qs⁻¹ anomalies and ground-penetrating radar (GPR) reflection hyperbolas from discrete fractures will be significant, with Qs⁻¹ values within 10 m of a GPR fracture being 20-50% higher (e.g., 0.01-0.02) than in intact ice (>30 m away). | Qs⁻¹ in fracture-proximal ice = 0.010-0.025; in intact ice = 0.005-0.010. | Spatial cross-correlation analysis between 3D FWI Qs⁻¹ volume and 3D GPR reflection point cloud from migrated data. | H0: The mean Qs⁻¹ within 10m of a GPR-identified fracture is not significantly different from the mean Qs⁻¹ in regions >30m from any fracture. | Welch's t-test (two-sample, unequal variances) on the two Qs⁻¹ populations, alpha=0.05, with Bonferroni correction for multiple comparisons. |
| 3 | If the inversion is robust and not an 'inverse crime', then applying the FWI workflow to field data from a well-characterized alpine glacier will reduce the normalized L2 waveform misfit by 40-70% from the starting tomographic model, whereas applying it to a synthetic dataset with identical acquisition geometry but more complex physics (e.g., 3D viscoelastic vs. 2D acoustic forward model in inversion) will yield a final misfit >15%. | Field data misfit reduction: 40-70%. Synthetic test misfit floor: >15%. | Calculate L2 norm of residual between observed/synthetic and predicted waveforms, normalized by the initial misfit. | H0: The final waveform misfit for field data is not significantly lower than 60% of the initial misfit, or the misfit for the complex-physics synthetic test is ≤15%. | One-sample t-test against the target reduction threshold (60% for field, 15% for synthetic), alpha=0.05. |

## 4. Protocole experimental

**Timeline globale**: 9-21 months
**Budget global**: €20k-120k

### 4.1 Phase 1 — In Silico Validation

**Objectif**: To determine if the proposed viscoelastic FWI workflow can theoretically resolve 10m-scale anomalies in shear modulus (μ) and attenuation (Qs⁻¹) under realistic noise conditions and starting model errors, and to identify the most critical acquisition parameters.

**Methodologie**: 1. **Synthetic Model Construction**: Use MATLAB/Python with SPECFEM2D/3D or Salvus (if available) to create a 200m x 200m x 200m 3D viscoelastic, transversely isotropic (VTI) model. Embed known anomalies: a) A 10m-thick layer with a 5% Vs reduction and 50% Qs⁻¹ increase (simulating a fracture zone). b) A 20m-wide column with 3% azimuthal Vs variation (cos2θ pattern) representing a fabric transition. 2. **Forward Modeling & Inversion**: Generate synthetic shot gathers (10-200 Hz Ricker wavelet) for dense 2D/3D acquisition geometries (e.g., 5m receiver spacing, shots every 20m). Add realistic Gaussian noise (SNR=10). Perform FWI using an open-source code (e.g., Devito, SeisFlows) or a custom gradient-based algorithm (L-BFGS). Start from a smooth version of the true model perturbed with 5% velocity error. 3. **Sensitivity Analysis**: Test recovery of anomalies vs. key parameters: maximum source frequency (50 vs. 200 Hz), offset/depth ratio, and initial model accuracy.

- Cout: €0-2k (cloud computing credits if no local HPC)
- Duree: 4-8 weeks
- Equipement: High-performance computing node (≥32 cores, 128GB RAM)
- Logiciels: Python/NumPy/SciPy, Devito (FWI framework), ObsPy (seismic processing), ParaView/Matplotlib (visualization)

**Criteres de succes :**

- Anomaly Recovery Metric (ARM): ARM ≥ 0.7 for both Vs and Qs⁻¹ anomalies. ARM = 1 - (||m_true - m_rec|| / ||m_true - m_background||).
- Misfit Reduction: Final normalized L2 waveform misfit ≤ 25% of initial misfit for the optimal acquisition scenario.
- Azimuthal Pattern Correlation: R² ≥ 0.8 for cos(2θ) fit to recovered Vs in the fabric anomaly column.

- **GO**: All three success criteria are met with the 'optimal' acquisition geometry (e.g., 5m receivers, 200 Hz max freq). This demonstrates theoretical feasibility.
- **NO-GO**: ARM < 0.4 for both parameters even under ideal noise-free, perfect-starting-model conditions. The physics of the problem is likely intractable with the proposed method.
- **PIVOT**: ARM for Qs⁻¹ is poor (<0.5) but good for Vs (>0.7). Pivot Phase 2 to focus solely on elastic FWI for fabric, dropping the attenuation/fracture hypothesis.

### 4.2 Phase 2 — Minimal Experimental Validation

**Objectif**: To perform a field pilot on a readily accessible temperate glacier to confirm that the seismic wavefield contains detectable signals from fabric/fracture heterogeneity and that the FWI workflow converges on field data.

**Methodologie**: 1. **Site Selection & Reconnaissance**: Select a small, well-studied temperate alpine glacier (e.g., Argentière Glacier, France; Hintereisferner, Austria; or a Svalbard glacier) with known structural heterogeneity from prior GPR/cores. 2. **Minimal Acquisition**: Deploy a single, dense 2D seismic line (300-500m length). Use a lightweight seismic source (e.g., Betsy Gun, 8lb sledgehammer on plate, or small explosive charges) and 48-96 10Hz geophones at 5m spacing. Record shots every 20m. Simultaneously collect a co-located high-frequency GPR profile (100-200 MHz) to identify fracture reflections. 3. **Data Processing & Inversion**: Process data (filtering, gain, geometry assignment). Perform first-arrival travel-time tomography (using PyGIMLi or TOMOFAST) to create the FWI starting model. Execute the viscoelastic FWI workflow validated in Phase 1, but limited to 2D and lower frequencies (10-80 Hz). 4. **Validation**: Compare FWI-derived Vs/Qs⁻¹ sections with GPR reflectivity and any available ice core fabric data (from literature or a single new shallow core).

- Cout: €8k-15k (field logistics, equipment rental, travel)
- Duree: 2-3 months (1-2 weeks field, rest processing)
- Equipement: 48-96 10Hz vertical geophones, Geode or Summit II seismograph, Betsy Gun or hammer/plate source, 100-200 MHz GPR system (e.g., MALÅ ProEx), GPS units, Field computing kit
- Logiciels: SeisSpace/ProMAX or ObsPy for processing, Devito/PyGIMLi for inversion, ReflexW for GPR processing

**Criteres de succes :**

- Field Data Misfit Reduction: Normalized L2 misfit ≤ 60% of initial misfit (from travel-time tomography model).
- Spatial Correlation with GPR: Positive spatial cross-correlation coefficient > 0.3 between Qs⁻¹ and GPR envelope amplitude at predicted depth of fractures.
- Model Convergence: Inversion converges stably (monotonic misfit decrease) without manual intervention for >50 iterations.

- **GO**: Misfit reduction ≥40% AND spatial correlation >0.3. The field data contains a usable signal and the workflow functions.
- **NO-GO**: Misfit reduction <20% OR data is dominated by source/ coupling noise making waveforms unusable for FWI. The fundamental data requirement is not met.
- **PIVOT**: Good Vs recovery but poor/no Qs⁻¹ recovery. Pivot Phase 3 to elastic FWI only, using amplitude decay for qualitative fracture mapping.

### 4.3 Phase 3 — Full Experimental Protocol

**Objectif**: To rigorously validate the hypothesis by performing 3D viscoelastic FWI on a dense dataset from a characterized site, achieving the target resolution (≤10m horizontal, ≤5m vertical), and quantitatively testing the falsifiable predictions against ground truth.

**Methodologie**: 1. **Comprehensive 3D Survey Design**: Deploy a dense 3D grid (e.g., 10 lines, 100m apart, each with 5m receiver spacing) covering a ~500m x 500m area on a well-characterized glacier (e.g., ablation zone of a polythermal glacier). Use a more powerful source (e.g., IVI Minivib or larger explosives) for deeper penetration and higher frequencies. 2. **Multi-Method Ground Truthing**: Acquire concurrent 3D GPR. Drill 3-5 shallow ice cores (to 150m) along transects for direct fabric analysis (thin sections, eigenvalue analysis) and temperature measurement. 3. **Advanced 3D FWI**: Process the full dataset. Perform 3D first-arrival tomography. Execute large-scale 3D viscoelastic FWI on an HPC cluster, inverting for Vs and Qs⁻¹ simultaneously. 4. **Hypothesis Testing**: Conduct the statistical tests outlined in the falsifiable predictions: a) Regression of FWI-derived azimuthal Vs vs. core fabric direction. b) Welch's t-test on Qs⁻¹ near vs. far from GPR fractures. c) Misfit analysis on field vs. synthetic 'inverse crime' test.

- Cout: €80k-200k+ (major field campaign, coring, HPC, personnel)
- Duree: 9-15 months (3-month field season, 6-12 months processing/analysis)
- Equipement: ~500 geophones, Large-channel seismograph (e.g., 1000+ channels), IVI Minivib or equivalent seismic source, High-frequency 3D GPR array, Hot-water ice coring system, Field lab for thin-section preparation
- Logiciels: Commercial/advanced FWI software (e.g., Salvus, SPECFEM3D) for large 3D, Advanced seismic processing suite (e.g., SeisSpace), Petrel or equivalent for 3D volume interpretation

**Criteres de succes :**

- Prediction 1: Azimuthal Vs vs. Fabric: F-test p-value < 0.01 for cos(2θ) model, rejecting H0.
- Prediction 2: Qs⁻¹ vs. Fractures: Welch's t-test p-value < 0.05 (Bonferroni corrected), rejecting H0.
- Prediction 3: Misfit Reduction & Robustness: Field data misfit reduction significantly >60% (one-sample t-test p<0.05) AND synthetic 'complex physics' test misfit >15%.
- Spatial Resolution: Ability to resolve a 10m x 10m x 5m test anomaly in checkerboard tests performed on the real acquisition geometry.

- **GO**: At least two of the three primary predictions are confirmed (statistically significant) AND spatial resolution target is met. Hypothesis is substantially validated.
- **NO-GO**: All three primary predictions are rejected (null hypotheses cannot be rejected). The core hypothesis is falsified.
- **PIVOT**: Only one prediction is confirmed. Requires fundamental re-evaluation of the proposed causal mechanism (e.g., fractures may be detected but not via Qs⁻¹; fabric may influence attenuation more than velocity).

### 4.4 Quick start : comment demarrer aujourd'hui

- **Peut demarrer maintenant**: Oui
- **Premiere action**: Clone the Devito FWI tutorial repository (https://github.com/devitocodes/devito) and set up a conda environment. Modify the 2D acoustic example to implement a viscoelastic forward model using, e.g., the Standard Linear Solid (SLS) attenuation mechanism.
- **Outils**: Computer with Python/Git, GitHub account, Basic understanding of Devito syntax
- **Donnees ouvertes**: No open seismic data needed for Phase 1 (synthetic). For later inspiration: SEADARE (Seismic and Radar Data Repository for Alpine Glaciers), NSF Arctic Data Center.

## 5. Analyse d'impact

### 5.1 Impact scientifique

Novelty score: 0.6/1.0 (incremental)

### 5.2 Applications industrielles et marche

**Score industriel**: 5.5/10

**Forces :**
- Adresse un besoin critique non satisfait dans la glaciologie appliquée et l'évaluation des risques hydrologiques : la cartographie 3D haute résolution de la structure interne des glaciers tempérés, pertinente pour les opérateurs hydroélectriques (ex : Alpiq, Enel), les consultants en risques naturels (ex : SLF, NGI) et les agences gouvernementales (ex : USGS, ESA).
- Avantage compétitif potentiel de résolution spatiale (≤10m) inégalée par les méthodes géophysiques actuelles (radar, sismique classique), permettant une modélisation prédictive améliorée de la dynamique et de la fonte des glaciers.

**Faiblesses :**
- Barrière d'entrée majeure : marché de niche extrême. Le nombre de clients capables de payer >100k€ pour une campagne de données est très limité (principalement recherche publique et quelques grands projets d'ingénierie). Modèle commercial B2B difficile à scaler.
- Processus de vente long et complexe (cycle de vente de 12-24 mois), nécessitant une validation scientifique approfondie et une intégration dans des chaînes de décision établies (gestion de l'eau, évaluation des risques).

**Recommandation**: Poursuivre avec la Phase 1 (validation in silico à faible coût) pour dé-risquer le principe physique, mais conditionner les Phases 2 et 3 à l'identification préalable d'un partenaire industriel ou d'un client pilote prêt à co-financer. Cibler d'abord un consortium de recherche appliquée (ex : programme Horizon Europe sur les risques alpins) pour subventionner le développement et valider la méthode, avant de lancer une offre commerciale ciblant les bureaux d'études spécialisés en géorisques.

### 5.3 Opportunites de financement

| Programme | Agence | Fit | Budget type | Taux succes |
|-----------|--------|-----|-------------|-------------|
| ERC Starting Grant | European Research Council | 0.7 | 1.5M€ sur 5 ans | ~13% |
| AAPG Flash 2025 (Appel à Projets Générique - Défi 6) | Agence Nationale de la Recherche (ANR) - France | 0.85 | 200k€ - 350k€ sur 36 mois | ~15-20% |
| International Collaboration Grant | National Science Foundation (NSF) - Office of Polar Programs (OPP) / National Centre for Polar and Ocean Research (NCPOR) - Inde | 0.65 | 150k$ - 300k$ sur 2-3 ans | Variable (~20%) |

- **ERC Starting Grant** (European Research Council): Parfait pour une recherche exploratoire à haut risque/haut gain menée par un chercheur en début de carrière. L'hypothèse est suffisamment disruptive (imagerie 3D à haute résolution de propriétés internes de la glace) pour viser un ERC. Le projet actuel est un excellent prototype de 'Synergy Grant' en miniature. Il faudra renforcer le volet 'high-gain' et l'impact scientifique.
- **AAPG Flash 2025 (Appel à Projets Générique - Défi 6)** (Agence Nationale de la Recherche (ANR) - France): Excellent fit avec le Défi 6 'Mobilité et systèmes urbains durables' et l'axe 'Risques naturels et hydrologie'. Le projet vise une meilleure compréhension de la dynamique des glaciers tempérés (risques, ressources en eau). Le format 'Flash' est adapté pour un projet de maturation méthodologique (Phases 1-2 étendues) et de construction de consortium en vue d'un Horizon Europe. Budget aligné avec une version renforcée de votre Phase 2+.
- **International Collaboration Grant** (National Science Foundation (NSF) - Office of Polar Programs (OPP) / National Centre for Polar and Ocean Research (NCPOR) - Inde): L'imagerie du fabric de la glace est une priorité pour la modélisation de l'écoulement des calottes polaires. Un partenariat international (ex: France/US/Inde) ciblant un glacier tempéré de l'Himalaya ou d'Alaska serait très pertinent. Ces programmes cherchent des innovations instrumentales et méthodologiques pour l'étude des cryosphères. Votre protocole de validation progressive correspond bien au format des 'development grants' de la NSF.

**Recommandation financement**: Cibler d'abord un financement de type 'Proof of Concept' ou 'Junior PI' pour financer la Phase 1 et 2, et construire un consortium. Utiliser ces résultats préliminaires pour postuler à un ERC StG ou un projet collaboratif Horizon Europe. La Phase 3 nécessite un budget >500k€.

## 6. Panel Review Summary

| Reviewer | Score | Verdict | Point cle |
|----------|-------|---------|-----------|
| methodologist | 8.2/10 | accept | Protocole structuré en phases progressives (in silico, pilote, validation complète) avec des critères de passage/abandon clairs, minimisant le gaspillage de ressources. |
| domain_expert | 7.0/10 | accept | L'hypothèse est théoriquement cohérente et s'appuie logiquement sur des principes établis de propagation des ondes sismiques dans des milieux anisotropes et atténuants. La chaîne causale allant de la fabrique et des fractures aux propriétés mécaniques puis aux signatures sismiques est solide. |
| contrarian | 4.5/10 | weak_reject | L'hypothèse identifie correctement une lacune importante dans les connaissances — la cartographie spatialement continue de la fabrique de la glace et des fractures — et propose une méthode théoriquement puissante (FWI) qui exploite le champ d'onde complet, laquelle est supérieure à la tomographie par temps de parcours seule. |
| industrialist | 5.5/10 | weak_accept | Adresse un besoin critique non satisfait dans la glaciologie appliquée et l'évaluation des risques hydrologiques : la cartographie 3D haute résolution de la structure interne des glaciers tempérés, pertinente pour les opérateurs hydroélectriques (ex : Alpiq, Enel), les consultants en risques naturels (ex : SLF, NGI) et les agences gouvernementales (ex : USGS, ESA). |
| funding_strategist | 6.5/10 | weak_accept | Hypothèse très bien formulée avec une prédiction falsifiable claire et un protocole de validation progressive solide, ce qui est apprécié des évaluateurs. |

**Consensus score**: 6.4/10
**Verdict final**: publish_brief

### 6.1 Consensus

- L'hypothèse est scientifiquement ambitieuse, bien formulée et adresse un besoin critique en glaciologie : cartographier en 3D haute résolution le fabric et les fractures dans la glace tempérée.
- Le protocole de validation progressive (in silico, pilote, validation terrain) est jugé solide et méthodologiquement rigoureux par la majorité des experts.
- Les faiblesses majeures identifiées convergent vers les défis techniques de l'inversion viscoélastique multi-paramètres (trade-offs, non-unicité) et les limites pratiques de l'acquisition sismique en milieu très atténuant.
- Un pré-requis unanime est la nécessité d'une étude de faisabilité synthétique approfondie (Phase 1) pour dé-risquer le principe physique avant toute campagne terrain coûteuse.

### 6.2 Points de desaccord

- Le Contrarian estime que les problèmes de rapport signal/bruit et d'ambiguïté d'inversion sont potentiellement fatals (FAIL REASONS), tandis que le Methodologist et le Domain Expert les jugent sévères mais surmontables avec un protocole renforcé.
- L'Industrialiste et le Funding Strategist soulèvent des doutes sur la viabilité économique et le niveau de maturité technologique (TRL 2-3), alors que les scientifiques se concentrent sur la validité fondamentale.
- L'évaluation du risque diffère : le Contrarian le voit comme existentiel, les autres comme gérable via une planification rigoureuse et une validation incrémentale.

### 6.3 Critical path

La démonstration, via une modélisation synthétique physiquement réaliste et complète, que l'inversion viscoélastique FWI peut séparer de manière unique les signatures du fabric cristallin et des réseaux de fractures dans des conditions de bruit, d'atténuation et d'incertitude sur le modèle de départ représentatives d'un glacier tempéré. Ceci doit inclure une analyse de puissance statistique robuste pour la phase de validation terrain.

**Recommandation finale**: Le panel recommande la publication du brief, reconnaissant la qualité et la pertinence de l'hypothèse, mais en conditionnant son avancement à une Phase 1 (in silico) substantiellement étoffée. Cette phase doit résoudre les questions critiques sur la faisabilité physique et la stabilité de l'inversion soulevées par tous, et particulièrement les 'FAIL REASONS' du Contrarian. Le passage aux phases terrain (2 et 3) ne sera justifié qu'après une démonstration synthétique concluante et la constitution d'un consortium interdisciplinaire solide pour adresser les défis instrumentaux et de validation.

## 7. Gap Manifest residuel

### 7.1 Data gaps

- No new gaps are identified from the provided papers that contradict the existing gap manifest. The provided papers support the hypothesis's feasibility but do not address the specific data gaps (3D datasets) or fully resolve the epistemic gap (cost-benefit justification).

### 7.2 Competence gaps

- Phase 1: Computational seismology
- Phase 1: Inverse theory
- Phase 1: Proficiency in Python
- Phase 1: High-performance computing
- Phase 2: Field geophysics
- Phase 2: Seismic data processing
- Phase 2: Glacier safety/fieldwork
- Phase 2: Basic GPR interpretation
- Phase 3: Large-scale 3D seismic inversion
- Phase 3: Ice core analysis & fabric petrology
- Phase 3: Project management of major field campaign
- Phase 3: Advanced statistical analysis

### 7.3 Epistemic gaps

- The precise quantitative relationship between specific fabric eigenvalues (e.g., from eigenvalue analysis of c-axis orientations) and the anisotropic seismic tensor in temperate ice.
- The relative contribution of fracture water content versus fabric to the total observed seismic attenuation (Qs⁻¹) in the 10-200 Hz band.
- The minimum fracture density and scale required to be detectable as a perturbation in effective medium properties versus as discrete scatterers.

## References

[1] E. Pearce, A. Booth, et al. (2023). *Characterising ice slabs in firn using seismic full waveform inversion, a sensitivity study*. DOI: [10.1017/jog.2023.30](https://doi.org/10.1017/jog.2023.30)
[2] E. Pearce, A. Booth, et al. (2022). *A synthetic study of acoustic full waveform inversion to improve seismic modelling of firn*. DOI: [10.1017/aog.2023.10](https://doi.org/10.1017/aog.2023.10)
[3] E. Pearce, A. Booth, et al. (2021). *Full Waveform Inversion (FWI) for glaciological seismic data –Improving the seismic characterisation of glacier firn*. DOI: [10.5194/EGUSPHERE-EGU21-916](https://doi.org/10.5194/EGUSPHERE-EGU21-916)
[4] T. Hudson, A. Baird, et al. (2020). *Distributed Acoustic Sensing (DAS) for Natural Microseismicity Studies: A Case Study From Antarctica*. DOI: [10.1029/2020JB021493](https://doi.org/10.1029/2020JB021493)
[5] Y. Liu, Meng Liu, et al. (2023). *Dual-Parameter Simultaneous Full Waveform Inversion of Ground-Penetrating Radar for Arctic Sea Ice*. DOI: [10.3390/rs15143614](https://doi.org/10.3390/rs15143614)

## Annexes

### A. Detailed Reviewer Reports

#### Methodologist

- **Score**: 8.2/10 | **Verdict**: accept | **Confidence**: 0.88
- **Strengths**: Protocole structuré en phases progressives (in silico, pilote, validation complète) avec des critères de passage/abandon clairs, minimisant le gaspillage de ressources.; Identification et gestion proactive des risques majeurs (cycle-skipping en FWI, trade-off Vs/Qs⁻¹, mismatch d'échelle) avec des stratégies de pivot définies.; Hypothèse formulée de manière falsifiable avec des prédictions quantitatives, des bornes définies et des tests statistiques appropriés (tests t, F-test, corrélations).
- **Weaknesses**: La puissance statistique des tests dans la Phase 3 n'est pas explicitement calculée. Le nombre de carottes de glace (3-5) et de fractures GPR peut être insuffisant pour détecter des effets de taille modérée avec une puissance adéquate (e.g., >0.8).; Le contrôle pour le biais de 'l'inverse crime' (Phase 1) est bien identifié, mais le protocole de test synthétique 'complex physics' (Prédiction 3) reste vague sur la nature exacte de la complexité ajoutée, risquant de sous-estimer la difficulté d'inversion sur données réelles.; La validité interne est menacée par la possible corrélation spatiale auto-corrélée dans les tests de corrélation (Qs⁻¹ vs GPR). L'analyse nécessiterait des méthodes de permutation ou de bootstrap spatial pour calculer des p-values robustes, non simplement un coefficient de corrélation brut.
- **Questions**: Pour la Prédiction 2 (Qs⁻¹ vs fractures), avez-vous prévu une procédure de correction pour les tests multiples (plusieurs fractures) et un échantillonnage indépendant des zones 'proches' et 'loin' pour éviter l'autocorrélation spatiale dans le test t de Welch ?; La Phase 1 utilise un critère ARM ≥ 0.7. Sur quelle base cette valeur seuil a-t-elle été fixée ? Une analyse de sensibilité de l'ARM en fonction du SNR et de l'erreur du modèle initial a-t-elle été prévue pour justifier ce choix ?; Le budget de la Phase 3 (€80k-200k+) est très large. La conception de l'étude (espacement des lignes, nombre de carottes) est-elle optimisée pour la version basse ou haute du budget ? La puissance statistique finale dépendra fortement de ce choix.
- **Recommendation**: Le protocole est bien conçu et méande d'être financé. Avant la Phase 3, je recommande de finaliser la conception de l'échantillonnage (nombre et emplacement des carottes, densité de la grille 3D) en réalisant une analyse de puissance a priori basée sur les effets détectés en Phase 2. Il est également impératif de préciser et de chiffrer le modèle de physique 'complexe' utilisé pour le test de robustesse de la Prédiction 3.

#### Domain Expert

- **Score**: 7.0/10 | **Verdict**: accept | **Confidence**: 0.9
- **Strengths**: L'hypothèse est théoriquement cohérente et s'appuie logiquement sur des principes établis de propagation des ondes sismiques dans des milieux anisotropes et atténuants. La chaîne causale allant de la fabrique et des fractures aux propriétés mécaniques puis aux signatures sismiques est solide.; Le positionnement par rapport à la littérature est exact et opportun. Les travaux cités (Pearce et al., 2021-2023) établissent correctement que la FWI est un outil émergent et prometteur en sismologie glaciologique, dépassant le cadre de la tomographie par temps de trajet. L'hypothèse identifie correctement l'étape logique suivante : appliquer une FWI viscoélastique multiparamètre pour résoudre les propriétés intrinsèques de la glace, et non seulement la structure du névé.; La reconnaissance explicite des « known unknowns » (relation tenseur fabrique-sismique, atténuation due aux fractures par opposition à celle due à la fabrique) témoigne d'un raisonnement scientifique sophistiqué et identifie les principales frontières de recherche.
- **Weaknesses**: La plausibilité physique du postulat de « milieu effectif » pour les réseaux de fractures constitue un défi majeur. À la résolution proposée (≤10 m) et dans la bande de fréquences considérée (10-200 Hz, longueur d'onde ~15-150 m dans la glace), des fractures discrètes remplies d'eau peuvent se comporter comme des diffuseurs forts plutôt que comme un milieu viscoélastique effectif lisse. Cela pourrait violer un postulat central du cadre FWI, conduisant à des résultats d'inversion non uniques et instables où l'atténuation (Qs⁻¹) devient un terme fourre-tout pour les pertes par diffusion.; L'hypothèse sous-estime la non-linéarité et la non-unicité sévères de la FWI viscoélastique multiparamètre. La mise à jour simultanée du module de cisaillement (μ) et de l'atténuation (Qs⁻¹) est notoirement difficile en raison des compromis entre paramètres, en particulier lorsque les modèles de référence sont imparfaits. Le postulat selon lequel un modèle de tomographie de temps de trajet suffit à éviter le cycle-skipping à 10-30 Hz dans de la glace tempérée complexe et atténuante est optimiste et nécessite des tests synthétiques rigoureux.; La base de données probantes, bien que pertinente, est fortement centrée sur le firn et la FWI acoustique (ondes P). Le saut vers la FWI viscoélastique 3D (sensible aux ondes S) pour la fabrique et les fractures dans la glace tempérée est significatif. L'étude GPR analogue est utile mais implique une physique fondamentalement différente (ondes électromagnétiques vs ondes viscoélastiques). Un soutien plus direct d'études sur l'anisotropie sismique dans la glace (par exemple, à partir de radar polarimétrique ou d'analyses de splitting d'ondes de cisaillement) renforcerait le lien fondamental entre la fabrique et le tenseur sismique.
- **Questions**: Compte tenu du fort compromis entre l'anisotropie (fabrique) et l'hétérogénéité (fractures) dans leur influence sur la vitesse et l'atténuation des ondes de cisaillement, quel cadre d'inversion bayésienne ou quelle stratégie de régularisation spécifique proposeriez-vous pour séparer ces deux contributions ? Comment incorporeriez-vous l'information a priori (par exemple, à partir de données de fabrique de carottes de glace ou de taux de déformation de surface) pour contraindre ce problème mal posé ?; L'hypothèse cible les 200 m supérieurs de glace tempérée, où l'atténuation est élevée. Comment assurerez-vous une estimation précise de la wavelet source et une caractérisation du couplage récepteur dans un milieu aussi dissipatif, ce qui est critique pour la fidélité d'amplitude de la FWI ? Envisageriez-vous une approche par encodage de source ou par lagrangien augmenté pour atténuer ces erreurs ?
- **Recommendation**: Il s'agit d'une hypothèse convaincante et bien formulée, à la pointe de la géophysique glaciologique. Je recommande l'acceptation, mais à la condition impérative que la première phase du projet consiste en une étude de faisabilité synthétique exhaustive. Cette étude devrait utiliser un solveur viscoélastique aux différences finies pour générer des données synthétiques à partir de modèles 3D réalistes de réseaux de fabrique et de fractures, puis tester la capacité du flux de travail FWI proposé à retrouver les paramètres cibles sous des incertitudes réalistes de bruit, de source et de modèle de départ. Cela répondra directement aux principales faiblesses concernant la validité du milieu effectif et la stabilité de l'inversion.

#### Contrarian

- **Score**: 4.5/10 | **Verdict**: weak_reject | **Confidence**: 0.85
- **Strengths**: L'hypothèse identifie correctement une lacune importante dans les connaissances — la cartographie spatialement continue de la fabrique de la glace et des fractures — et propose une méthode théoriquement puissante (FWI) qui exploite le champ d'onde complet, laquelle est supérieure à la tomographie par temps de parcours seule.; La formulation inclut des prédictions spécifiques et testables avec des bornes quantitatives et des hypothèses nulles, ce qui est excellent pour la falsifiabilité et témoigne d'une réflexion rigoureuse en matière de conception expérimentale.
- **Weaknesses**: FAIL REASON #1: Les problèmes de rapport signal sur bruit et de dynamique dans la glace tempérée sont probablement fatals. La glace tempérée présente une atténuation sismique intrinsèquement élevée (Q faible), ce qui signifie que les signaux d'ondes S à haute fréquence (10-200 Hz) requis pour une résolution de 10-5 m seront extrêmement faibles après propagation sur ne serait-ce que 50-100 m de glace. Le réseau dense à source active proposé nécessiterait une énergie de source irréaliste pour générer des ondes de cisaillement haute fréquence détectables aux offsets requis, rendant le jeu de données pour une FWI haute résolution pratiquement inaccessible.; FAIL REASON #2: L'« inconnu connu » de la séparation des effets de fabrique et de fracture est une ambiguïté d'inversion fondamentale qui conduira à des solutions non uniques. La FWI viscoélastique tente de résoudre simultanément μ et Qs⁻¹, mais ces paramètres présentent un fort compromis entre eux et avec les paramètres d'anisotropie non résolus. Une anomalie de Vs faible / Qs⁻¹ élevé pourrait s'expliquer tout aussi bien par une fracture remplie d'eau, une région de glace chaude, ou une orientation spécifique de fabrique. Sans contraintes a priori parfaites (qui n'existent pas), l'inversion convergera vers un modèle géologiquement dépourvu de sens qui ne fait qu'ajuster le bruit.; FAIL REASON #3: Le postulat de modèle de départ est presque certainement violé sur le terrain. Éviter le cycle-skipping pour la FWI à 10-30 Hz nécessite un modèle de Vs de départ précis à environ ±5 % de la vitesse réelle. La tomographie de temps de parcours dans une glace tempérée complexe, atténuante et anisotrope ne peut pas fournir ce niveau de précision pour les ondes de cisaillement. Il en résultera que la FWI, partant d'un modèle inexact, convergera vers un minimum local — produisant une image du sous-sol d'apparence plausible mais incorrecte, satisfaisant la prédiction #3 (réduction du misfit) tout en échouant aux prédictions #1 et #2 (exactitude géologique).
- **Questions**: Compte tenu de l'atténuation extrême dans la glace tempérée (Qs souvent <50 dans le meilleur des cas), quelle est la perte d'amplitude calculée à 100 Hz pour une onde S parcourant 150 m ? Quelle énergie de source (par exemple, en Joules) et quelle sensibilité de récepteur seraient nécessaires pour surmonter cette perte et le bruit ambiant, et existe-t-il une expérience de terrain documentée ayant atteint ce rapport signal sur bruit pour des ondes de cisaillement haute fréquence dans un glacier ?; Votre modélisation directe suppose un milieu effectif, traitant les fractures discrètes comme une perturbation des propriétés du milieu. À votre résolution cible (≤10 m), les fractures individuelles ou les petits amas seront des diffuseurs discrets, et non un milieu effectif. Comment votre algorithme FWI viscoélastique isotrope ou transversalement isotrope, qui ne modélise pas explicitement la diffusion, évitera-t-il de générer des artefacts d'inversion (par exemple, du « smearing ») qui ressemblent à une anisotropie de fabrique mais qui sont en réalité de la diffusion non modélisée provenant des fractures ?
- **Recommendation**: Pour faire passer cette idée d’un concept théoriquement élégant à une méthode de terrain plausible, vous devez d’abord démontrer une étude de faisabilité à l’aide de données synthétiques réalistes comprenant : 1) une propagation d’ondes viscoélastiques 3D physiquement précise avec des valeurs de Qs issues de mesures de terrain de glace tempérée, 2) des signatures de sources sismiques réalistes et des niveaux de bruit ambiant issus d’environnements glaciaires, et 3) un modèle de départ dérivé d’une tomographie de temps de trajet simulée avec des erreurs réalistes. Montrez que votre FWI peut correctement démêler une anomalie synthétique de « fabrique » d’une anomalie de « fracture » dans ces conditions avant de prétendre qu’elle peut fonctionner sur des données de terrain.

#### Industrialist

- **Score**: 5.5/10 | **Verdict**: weak_accept | **Confidence**: 0.75
- **Strengths**: Adresse un besoin critique non satisfait dans la glaciologie appliquée et l'évaluation des risques hydrologiques : la cartographie 3D haute résolution de la structure interne des glaciers tempérés, pertinente pour les opérateurs hydroélectriques (ex : Alpiq, Enel), les consultants en risques naturels (ex : SLF, NGI) et les agences gouvernementales (ex : USGS, ESA).; Avantage compétitif potentiel de résolution spatiale (≤10m) inégalée par les méthodes géophysiques actuelles (radar, sismique classique), permettant une modélisation prédictive améliorée de la dynamique et de la fonte des glaciers.
- **Weaknesses**: Barrière d'entrée majeure : marché de niche extrême. Le nombre de clients capables de payer >100k€ pour une campagne de données est très limité (principalement recherche publique et quelques grands projets d'ingénierie). Modèle commercial B2B difficile à scaler.; Processus de vente long et complexe (cycle de vente de 12-24 mois), nécessitant une validation scientifique approfondie et une intégration dans des chaînes de décision établies (gestion de l'eau, évaluation des risques).
- **Questions**: Quel est le modèle de revenus précis ? Vente de services de consulting/campagnes (project-based) ou licence de logiciel/algorithmes aux instituts de recherche ? Le budget du protocole (jusqu'à 200k€+) est du même ordre de grandeur que le prix de vente potentiel, menaçant la marge.; La propriété intellectuelle (IP) est-elle défendable et transférable ? L'algorithme FWI est un savoir-faire, potentiellement difficile à breveter. La barrière à l'entrée repose plus sur l'expertise et les données de validation que sur une IP solide, ce qui expose à la concurrence future de laboratoires académiques.
- **Recommendation**: Poursuivre avec la Phase 1 (validation in silico à faible coût) pour dé-risquer le principe physique, mais conditionner les Phases 2 et 3 à l'identification préalable d'un partenaire industriel ou d'un client pilote prêt à co-financer. Cibler d'abord un consortium de recherche appliquée (ex : programme Horizon Europe sur les risques alpins) pour subventionner le développement et valider la méthode, avant de lancer une offre commerciale ciblant les bureaux d'études spécialisés en géorisques.

#### Funding Strategist

- **Score**: 6.5/10 | **Verdict**: weak_accept | **Confidence**: 0.8
- **Strengths**: Hypothèse très bien formulée avec une prédiction falsifiable claire et un protocole de validation progressive solide, ce qui est apprécié des évaluateurs.; Approche méthodologique ambitieuse mais structurée (FWI viscoélastique) qui, si elle fonctionne, représenterait une avancée significative en glaciologie et géophysique.
- **Weaknesses**: TRL actuel estimé à 2-3 (preuve de concept en simulation). Le budget et la timeline proposés sont insuffisants pour atteindre la Phase 3, ce qui rend le projet sous-dimensionné pour un appel compétitif majeur.; Le consortium n'est pas défini. Une hypothèse de ce type nécessite un partenariat fort entre géophysiciens (FWI), glaciologues (fabric), et spécialistes de l'instrumentation sismique en milieu extrême.
- **Questions**: Comment comptez-vous constituer un consortium crédible avec les compétences en modélisation viscoélastique, en acquisition sismique dense sur glacier, et en validation par carottage/échantillonnage ?; La Phase 1 (in silico) est-elle basée sur un code FVI existant et adapté (e.g., SPECFEM, Salvus) ou nécessite-t-elle un développement from scratch ? Cela impacte fortement la maturité et le budget.
- **Recommendation**: Cibler d'abord un financement de type 'Proof of Concept' ou 'Junior PI' pour financer la Phase 1 et 2, et construire un consortium. Utiliser ces résultats préliminaires pour postuler à un ERC StG ou un projet collaboratif Horizon Europe. La Phase 3 nécessite un budget >500k€.

### B. Semantic Scholar Search Queries

- [novelty] `full waveform inversion ice sheets` — Direct search for the core methodological transfer proposed: applying advanced seismic inversion to glaciology.
- [novelty] `seismic tomography englacial structure` — Targets the specific application of 3D imaging techniques to internal ice sheet features like fabric and hydrology.
- [novelty] `passive seismic monitoring glacier dynamics` — Searches for the use of dense, passive seismic datasets (analogous to earthquake seismology) on ice masses.
- [novelty] `elastic wave inversion temperate ice` — Focuses on a key glaciological target (temperate ice) using the proposed wave equation-based inverse methods.
- [evidence] `active source seismic glaciology` — Finds foundational evidence of current seismic survey methods used in ice sheet studies.
- [evidence] `ice fabric anisotropy seismic waves` — Seeks evidence for the proposed mechanism: the link between ice properties and seismic wave propagation.
- [evidence] `subglacial sediment seismic characterization` — Targets existing research on using seismic data to infer basal conditions, a key component of the hypothesis.
- [evidence] `englacial hydrology seismic imaging` — Looks for precedents in using seismic methods to map water within ice, supporting the proposed transfer.
- [cross_domain] `seismic inversion crustal structure` — Captures the advanced geophysical source methods (e.g., for fault imaging, heterogeneity) to be transferred.
- [cross_domain] `wave equation tomography geophysics` — Focuses on the shared mathematical framework governing wave propagation in both domains.
- [cross_domain] `ambient noise tomography glaciers` — Searches for a specific interdisciplinary precedent: applying passive seismic imaging techniques from geophysics to glaciology.

---

*Generated by SPORE (Systeme de Production d'Opportunites de Recherche par Exploration) on 2026-04-12*