The impact of Rayleigh number on assessing the significance of supercontinent insulation
Notice bibliographique
Résumé
Several processes unfold during the supercontinent cycle, more than one of which might result in an elevation in subcontinental mantle temperatures, thus multiple interpretations of the concept of continental insulation exist. Although a consensus seems to have formed that subcontinental mantle upwellings appear below large continents extensively ringed by subduction zones, there are differing views on what role continental insulation plays in the production of elevated mantle temperatures. Here we investigate how the heating mode of the mantle can change the influence of the “thermal blanket” effect. We present 2‒D and 3‒D Cartesian geometry mantle convection simulations with thermally and mechanically distinct oceanic and continental plates. The evolution of mantle thermal structure is examined after continental accretion at subduction zones (e.g., the formation of Pangea) for a variety of different mantle‒heating modes. Our results show that in low‒Rayleigh number models the impact of the role of continental insulation on subcontinental temperatures increases, when compared to models with higher convective vigor. Broad, hot upper mantle features generated in low‒Rayleigh number models (due, in part, to the thermal blanket effect) are absent at higher Rayleigh numbers. We find that subcontinental heating in a high‒Rayleigh number flow occurs almost entirely as a consequence of the influence of subduction initiation at the continental margin, rather than the influence of continental insulation. In our models featuring Earth‒like convective vigor, we find that it is difficult to obtain subcontinental temperatures in significant excess of suboceanic temperatures over timescales relevant to supercontinent aggregation.
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 | 0,003 | 0,001 |
| 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 ».