Perceiving the Crust in 3‐D: A Model Integrating Geological, Geochemical, and Geophysical Data
Notice bibliographique
Résumé
Abstract Regional characterization of the continental crust has classically been performed through either geologic mapping, geochemical sampling, or geophysical surveys. Rarely are these techniques fully integrated, due to limits of data coverage, quality, and/or incompatible data sets. We combine geologic observations, geochemical sampling, and geophysical surveys to create a coherent 3‐D geologic model of a 50 × 50 km upper crustal region surrounding the SNOLAB underground physics laboratory in Canada, which includes the Southern Province, the Superior Province, the Sudbury Structure, and the Grenville Front Tectonic Zone. Nine representative aggregate units of exposed lithologies are geologically characterized, geophysically constrained, and probed with 109 rock samples supported by compiled geochemical databases. A detailed study of the lognormal distributions of U and Th abundances and of their correlation permits a bivariate analysis for a robust treatment of the uncertainties. A downloadable 3‐D numerical model of U and Th distribution defines an average heat production of µW/m 3 , and predicts a contribution of TNU (a Terrestrial Neutrino Unit is one geoneutrino event per 10 32 target protons per year) out of a crustal geoneutrino signal of TNU. The relatively high local crust geoneutrino signal together with its large variability strongly restrict the SNO+ capability of experimentally discriminating among BSE compositional models of the mantle. Future work to constrain the crustal heat production and the geoneutrino signal at SNO+ will be inefficient without more detailed geophysical characterization of the 3‐D structure of the heterogeneous Huronian Supergroup, which contributes the largest uncertainty to the calculation.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| 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 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 ».