Inferences of mantle viscosity based on ice age data sets: Radial structure
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract We perform joint nonlinear inversions of glacial isostatic adjustment (GIA) data, including the following: postglacial decay times in Canada and Scandinavia, the Fennoscandian relaxation spectrum (FRS), late‐Holocene differential sea level (DSL) highstands (based on recent compilations of Australian sea level histories), and the rate of change of the degree 2 zonal harmonic of the geopotential, J 2 . Resolving power analyses demonstrate the following: (1) the FRS constrains mean upper mantle viscosity to be ∼3 × 10 20 Pa s, (2) postglacial decay time data require the average viscosity in the top ∼1500 km of the mantle to be 10 21 Pa s, and (3) the J 2 datum constrains mean lower mantle viscosity to be ∼5 × 10 21 Pa s. To reconcile (2) and (3), viscosity must increase to 10 22 –10 23 Pa s in the deep mantle. Our analysis highlights the importance of accurately correcting the J 2 observation for modern glacier melting in order to robustly infer deep mantle viscosity. We also perform a large series of forward calculations to investigate the compatibility of the GIA data sets with a viscosity jump within the lower mantle, as suggested by geodynamic and seismic studies, and conclude that the GIA data may accommodate a sharp jump of 1–2 orders of magnitude in viscosity across a boundary placed in a depth range of 1000–1700 km but does not require such a feature. Finally, we find that no 1‐D viscosity profile appears capable of simultaneously reconciling the DSL highstand data and suggest that this discord is likely due to laterally heterogeneous mantle viscosity, an issue we explore in a companion study.
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.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle