Inferences of Mantle Viscosity Based on Ice Age Data Sets: The Bias in Radial Viscosity Profiles Due to the Neglect of Laterally Heterogeneous Viscosity Structure
Notice bibliographique
Résumé
Abstract Inferences of mantle viscosity using glacial isostatic adjustment (GIA) data are hampered by data sensitivity to the space‐time geometry of ice cover. A subset of GIA data is relatively insensitive to this ice history: the Fennoscandian relaxation spectrum (FRS), postglacial decay times in Canada and Scandinavia, and the rate of change of the degree‐2 zonal harmonic of the geopotential ( ). These geographically limited data have been inverted to constrain the radial (one‐dimensional [1D]) mantle viscosity profile. We explore potential biases in these 1D inversions introduced by neglecting a three‐dimensional (3D) viscosity structure. We perform 1D Bayesian inversions of synthetic GIA data generated from Earth models with realistic 3D variations in mantle viscosity and lithospheric thickness and compare results to the 1D viscosity profile associated with the 3D model used to generate the synthetics. Differences between these two 1D profiles reflect GIA data resolution and biasing introduced by neglecting, in the inversions, a 3D viscosity structure. We focus on the second issue, demonstrating that the largest bias occurs within the upper mantle (in particular, the transition zone). This remains consistent when varying inversion parameters (e.g., prior/starting models) and the 1D/3D viscosity fields adopted in generating the synthetics. Inversions of individual data sets show 3D biasing increases for data exhibiting shallower (thus more localized) sensitivity to viscosity. Of the data considered herein, inversions of the FRS are subject to the largest bias followed by decay time data. The bias is minimal for , as its deeper sensitivity is accompanied by broader averaging of structure in radial and lateral directions.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».