Optimal locations of sea-level indicators in glacial isostatic adjustment investigations
Notice bibliographique
Résumé
Abstract. Fréchet (sensitivity) kernels are an important tool in glacial isostatic adjustment (GIA) investigations to understand lithospheric thickness, mantle viscosity and ice-load model variations. These parameters influence the interpretation of geologic, geophysical and geodetic data, which contribute to our understanding of global change. Recently, sensitivity kernels have been extended to laterally heterogeneous Earth models using the finite-element formulation, which enabled detailed studies on the sensitivity of the different geodetic observations of GIA such as GPS and terrestrial and space gravimetry. In this study, we discuss global sensitivities of relative sea-level (RSL) data of the last 18 000 yr. This also includes indicative RSL-like data (e.g. lake levels) on the continents far off the coasts. We present detailed sensitivity maps for four parameters important in GIA investigations (ice-load history, lithospheric thickness, background viscosity, lateral viscosity variations) for up to 9 dedicated times. Assuming an accuracy of 2 m of RSL data of all ages, we highlight areas around the world where, if the environmental conditions allowed its deposition and survival until today, RSL data of at least this accuracy may help to quantify the GIA modelling parameters above. The sensitivity to ice-load history variations is the dominating pattern covering in times of 14 ka BP and older almost the whole world. Lithospheric thickness variations are mainly only possible to be determined in certain high-latitude areas around the large former and current ice sheets. Background viscosity as well as lateral viscosity variations can be traced at most coast and shelf areas around the world, especially when dated to be older than 10 ka BP. The latter three are almost everywhere overlapped by the ice-load history pattern. In general we find that the more recent the data are, the smaller is the area of possible RSL locations which could provide enough information on the four GIA modelling parameters. But, we also note that when the accuracy of RSL data can be improved, e.g. from 2 m to 1 m, these areas become larger allowing better inference of background viscosity and lateral heterogeneity. Although the patterns depend on the chosen models and error limit, our results are indicative enough to outline areas where one should look for helpful RSL data of a certain time period.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».