MétaCan
Menu
← Retour à la cohorte
Enregistrement W3042611359 · doi:10.5194/egusphere-egu2020-10623

Tectonic forcing of global chemical weathering since the mid-Paleozoic

2020· article· en· W3042611359 sur OpenAlexaff
Thomas Gernon, Thea Hincks, Andrew Merdith, Eelco J. Rohling, Martin R. Palmer, Gavin L. Foster, Clément P. Bataille, R. Dietmar Müller

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Environment Research CouncilSight Research UK
Mots-clésGeology

Résumé

récupéré en direct d'OpenAlex

Weathering of the Earth’s surface has commonly been invoked as a driver of global cooling through geologic time. During the Phanerozoic Eon (541–0 million years ago, Ma), for example, the periodic onset of icehouse conditions has variously been attributed to enhanced weathering fluxes associated with mountain building (e.g. the Himalayas) (1), reductions in the global extent of continental arc volcanoes (e.g. the present-day Andes) (2), and uplift of oceanic crust during arc-continent collisions (e.g. present-day Indonesia and New Guinea) (3). These processes, tied to the global plate tectonic cycle, are inextricably linked. The resulting collinearity (i.e. independent variables are highly correlated) makes it difficult — using conventional statistical techniques — to isolate the contributions of individual geologic processes to global chemical weathering. An example of this is the Late Cenozoic Ice Age (34–0 Ma) that corresponds both to uplift of the Tibetan Plateau and Himalaya, and a gradual reduction in the extent of the global continental arc system. We developed a machine learning framework to analyse the interdependencies between multiple global tectonic and volcanic processes (e.g., continental distribution, extent of volcanic arcs, mid-ocean ridges etc.) and seawater Sr composition (a proxy for weathering flux) over the past 400 million years. We developed a Bayesian network incorporating a novel algorithm that accounts for time lags for each of the predictor variables, and joint conditional dependence (i.e. how variables combine to influence the environmental outcome). Our approach overcomes problems traditionally encountered in geologic time series, such as collinearity and autocorrelation. Our results strongly indicate a first-order role for volcanism in driving chemical weathering fluxes since the mid-Palaeozoic. This is consistent with the strong empirical correlation previously observed between the strontium isotope composition of seawater and continental igneous rocks over the past billion years (4). Our study highlights how geologic processes operate together — not in isolation — to perturb the Earth system over ten to hundred million-year timescales. References (1). M. E. Raymo, W. F. Ruddiman, Tectonic forcing of late Cenozoic climate, Nature 359, 117 (1992). (2). N. R. McKenzie, et al., Continental arc volcanism as the principal driver of icehouse greenhouse variability, Science 352, 444 (2016). (3). F. A. Macdonald, N. L. Swanson-Hysell, Y. Park, L. Lisiecki, O. Jagoutz, Arc-continent collisions in the tropics set Earth’s climate state, Science 364, 181 (2019). (4). C. P. Bataille et al., Continental igneous rock composition: A major control of past global chemical weathering, Science Advances 3, e1602183 (2017).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil0,127

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,221
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGeochemistry and Geologic Mapping→Travaux en français237 207→