MétaCan
Menu
Retour à la cohorte
Enregistrement W2038136993 · doi:10.1029/2005je002629

Venusian channel formation as a subsurface process

2006· article· en· W2038136993 sur OpenAlexfundno aff
Nicholas P. Lang, Vicki L. Hansen

Notice bibliographique

RevueJournal of Geophysical Research Atmospheres · 2006
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiquePlanetary Science and Exploration
Établissements canadiensnon disponible
Organismes subventionnairesNational Institutes of HealthMcGill University
Mots-clésProcess (computing)Channel (broadcasting)GeologyRemote sensingEnvironmental scienceComputer scienceTelecommunications

Résumé

récupéré en direct d'OpenAlex

We constructed detailed geologic maps of channels within three widely separated regions using Magellan synthetic aperture radar (SAR) imagery and altimetry radar data in order to understand the operative processes involved in Venusian channel formation. Channels in each region cut topographic highs including ridges and shield edifices with no deflection of the channel course by surface topography. We argue that these relationships are difficult to reconcile with the widely held view that Venusian channels represent surface processes, whether constructional or erosional. We conclude that the channels evolved through subsurface fluid flow, which involved local stoping and transport of overlying material; that is, these channels were carved from below, rather than from above. We postulate that at least some Venusian channels form because of subsurface fluid flow along a shallow crustal interface that forms the boundary between overlying low backscatter surface materials and underlying basal materials. Fluid movement along the interface may facilitate piecemeal stoping and erosion of the local surface materials from below, eventually resulting in the formation of channel traces exposed at the surface. The low backscatter material which hosts the channels in this study also hosts abundant coalescing shields and associated deposits, which may represent shield terrain.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,682
Score d'incertitude au seuil0,536

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,318
Écart entre enseignants0,290 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research AtmospheresMême sujetPlanetary Science and ExplorationTravaux en français237 207