Fault Throw and Regional Uplift Histories From Drainage Analysis: Evolution of Southern Italy
Notice bibliographique
Résumé
Abstract Landscapes can record elevation changes caused by multiple tectonic processes. Here, we show how coeval histories of spatially coincident normal faulting and regional uplift can be deconvolved from river networks. We focus on Calabria, a tectonically active region incised by rivers containing knickpoints and knickzones. Marine fauna indicate that Calabria has been uplifted by >1 km since ∼0.8–1.2 Ma, which we used to calibrate parameters in a stream power erosional model. To deconvolve the local and regional uplift contributions to topography, we performed a spatiotemporal inversion of 994 fluvial longitudinal profiles. Uplift rates from fluvial inversion replicate the spatial trend of rates derived from dated Mid‐Late Pleistocene marine terraces, and the magnitude of predicted uplift rates matches the majority of marine terrace uplift rates. We used the predicted uplift history to analyze long‐term fault throw, and combined throw estimates with ratios of footwall uplift to hanging wall subsidence to isolate the nonfault related contribution to uplift. Increases in fault throw rate—which may suggest fault linkage and growth—have been identified on two major faults from fluvial inverse modeling, and total fault throw is consistent with independent estimates. The temporal evolution of nonfault related regional uplift is similar at three locations. Our results may be consistent with toroidal mantle flow generating uplift, perhaps if faulting reduces the strength of the overriding plate. In conclusion, fluvial inverse modeling can be an effective technique to quantify fault array evolution and can deconvolve different sources of uplift that are superimposed in space and time.
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 ».