The inclusion of ice model uncertainty in 3D Glacial Isostatic Adjustment modelling: a case study from the Russian Arctic
Notice bibliographique
Résumé
The western Russian Arctic was partially covered by the Eurasian ice sheet complex during the Last Glacial Maximum (~26 ka BP) and is a focus area for Glacial Isostatic Adjustment (GIA) studies. However, there have been few GIA studies conducted in the Russian Arctic due to the lack of high quality deglacial relative sea-level (RSL) data. Recently, Baranskaya et al. (2018) released a quality-controlled deglacial RSL database for the Russian Arctic that consists of ~400 sea-level index points and ~250 marine and terrestrial limiting data that constrain RSL since 20 ka BP. Here, we use the RSL database to constrain the 3D Earth structure beneath the Russian Arctic, with consideration of the uncertainty in ice model ICE-7G_NA, which is assessed via iteratively refining the ice model with fixed 1D Earth model to achieve a best fit with the RSL data. Also, the uncertainties in 3D Earth parameters and RSL predictions are investigated. We find an optimal 3D Earth model (Vis3D) improves the fit with the deglacial RSL data compared with the VM7 1D model when fixed with the ICE-7G_NA ice model. Similarly, we show improved fit in the White Sea area, where 1D model shows notable misfits, with the refined ice model ICE-7G_WSR when fixed with VM7 Earth model. The comparable fits of ICE-7G_NA (Vis3D) and ICE-7G_WSR (VM7) implies that the uncertainty in the ice model might be improperly mapped into 3D viscosity structure when a fixed ice model is employed. Furthermore, fixed with refined ice model ICE-7G_WSR, we find an optimal 3D Earth model (Vis3D_R), which fits better than ICE-7G_WSR (VM7), and the magnitude of lateral heterogeneity decreases significantly from Vis3D to Vis3D_R. We conclude that uncertainty in the ice model needs to be considered in 3D GIA studies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».