Toward the calibration of 2D thermomechanical simulations of magma poor passive continental margins: method, validation and case example
Notice bibliographique
Résumé
In recent decades, geodynamic modelers have aimed to comprehend key factors governing continental rifting, such as the extension rate, lithospheric thickness, Moho mechanical coupling, and mantle convection’s thermal influence. While prior models offered insights into rifting processes, they lacked the calibration to specific Earth regions. Introducing heterogeneities into the model does in some cases help to calibrate the simulation results to a geological data from a specific region. Acknowledging structural inheritance as a form of kinematic forcing in the models, and recognizing the challenge of anticipating and identifying all inherited geological structures present before rifting, a new modeling approach was devised. This method integrates a new kinematic module into the pTatin2D code, allowing for calibrating numerical simulations with regional geological and geophysical dataset over time while solving for mechanical balance using Stokes flow to ensure that crustal deformation remains consistent with mantle dynamics. By calibrating against a 2D cross-section extracted from the final state of a 3D model, we show that the approach predicts thermal history and deformation paths beyond calibration points. In particular, the thermo-mechanical feedback can help mitigate some uncertainties in the deformation path. Applied to Iberia–Newfoundland margins, the method demonstrates effectiveness in real-case scenarios, aligning with previous reconstructions by incorporating faults and lower crustal flow.
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) | 0,002 | 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 ».