MétaCan
Menu
Retour à la cohorte
Enregistrement W4394916919 · doi:10.1029/2023jb028226

Evaluating the Rheological Controls on Topography Development During Craton Stabilization: Objective Approaches to Comparing Geodynamic Models

2024· article· en· W4394916919 sur OpenAlexaff
Kristina Kublik, Claire A. Currie, D. Graham Pearson

Notice bibliographique

RevueJournal of Geophysical Research Solid Earth · 2024
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeological and Geochemical Analysis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésRheologyGeologyCratonPhysicsThermodynamicsPaleontology

Résumé

récupéré en direct d'OpenAlex

Abstract Surface topography is an important yet largely neglected aspect of the early evolution of cratons. The lateral accretion of cratonic nuclei inevitably forms orogenic belts that subsequently provide a sediment source for large, resource‐rich intracratonic basins, but to date, geodynamic models have focused exclusively on lithospheric root processes. Here we use two‐dimensional thermal‐mechanical models to study the topography and lithospheric deformation during 50 Myr of compression of a cratonic nucleus, to simulate the lateral accretion phase of craton growth in the Neoarchean. Although the cratonic nucleus thickens slightly during the compression phase, most of the deformation occurs in the regions adjacent to the nucleus that have weaker lithosphere. Here, crustal thickness triples developing high topography in excess of 10 km without active erosion. Models with different initial rheological parameters will have different final topography and lithosphere geometry, but in general it is difficult to shorten and deform the depleted cratonic nucleus, unless there are significantly weak heterogeneities in the mantle lithosphere. We apply two quantitative analysis techniques to objectively evaluate a multitude of model outputs. Cross‐correlation clustering (CCC) measures the degree of similarity between topography profiles and categorizes models based on the general topographic character. Six different topography families are possible in the context of our models and crustal strength is the most important parameter affecting the shape. From principal component analysis (PCA) we identify four dominant lithosphere geometries. When used together, these two methods provide distinct yet complementary information about the surface and subsurface deformation features in our models.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,250
Tête enseignante GPT0,358
Écart entre enseignants0,108 · 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'étudeSimulation ou modélisation
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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research Solid EarthMême sujetGeological and Geochemical AnalysisTravaux en français237 207