Estimates of fluvial erosion on Titan from sinuosity of lake shorelines
Notice bibliographique
Résumé
Titan has few impact craters, suggesting that its surface is geologically young. Titan's surface also has abundant landforms interpreted to be fluvial networks. Here we evaluate whether fluvial erosion has caused significant resurfacing by estimating the cumulative erosion around the margins of polar lakes. A scarcity of detailed topographic data makes it difficult to measure fluvial incision on Titan, but images of drowned fluvial features around the lake margins, where elevated levels of hydrocarbon liquids appear to have partly flooded fluvial valleys, offer a constraint on the topography. We mapped the shorelines of several lakes to obtain topographic contours that trace the fluvially dissected topography. We then used a numerical landscape evolution model to calibrate a relationship between contour sinuosity, which reflects the extent of fluvial valley incision, and cumulative erosion. We confirmed this relationship by analyzing a partially dissected surface adjacent to the Minnesota River, USA. Comparison of the mapped Titan contours with the sinuosity‐erosion relationship suggests that cumulative fluvial erosion around the margins of Titan's polar lakes, including Ligeia Mare, Kraken Mare, and Punga Mare in the north and Ontario Lacus in the south, ranges from 4% to 31% of the initial relief. Additional model simulations show that this amount of fluvial erosion does not render craters invisible at the resolution of currently available imagery, suggesting that fluvial erosion is not the only major resurfacing mechanism operating in Titan's polar regions.
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 | 0,000 | 0,000 |
| 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) | 0,001 | 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 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 ».