Enhanced mud retention as an autogenic mechanism for sustained delta growth: Insight from records of the Lafourche subdelta of the Mississippi River
Notice bibliographique
Résumé
ABSTRACT Mud deposition is acknowledged as a significant contributor to delta architecture, yet its role is often oversimplified as a constant parameter in models of delta formation. A better understanding of mud retention on deltas would resolve remaining questions regarding delta growth. This study explores how spatiotemporally varied mud retention facilitates sustained delta growth in defiance of the concept of autoretreat, that is, the idea that shoreline progradation rates decline as a delta grows due to the expansion of subaqueous and subaerial delta surfaces. This research is inspired by prior field observations of the river‐dominated Mississippi Delta, USA, where the shoreline of a ca 6000 to 8000 km 2 subdelta prograded at a constant rate for roughly a millennium, despite its expanding delta surface, compaction and sea‐level rise. For this, a laterally averaged one‐dimensional numerical model is leveraged to test hypotheses that enhanced mud retention with time in: (i) the delta bottomset; and (ii) the delta plain (floodplain) supports a constant rate of shoreline progradation in a maturing delta. Results demonstrate that enhanced mud retention in both the bottomset and delta plain facilitates sustained delta growth. Neither component by itself can replicate the case study. Yet, with these two integrated components, the model reproduces the cross‐section and linearly prograding pattern observed in the Mississippi Delta. The findings provide an autogenic mechanism for sustained delta growth and support the importance of mud as a fundamental building block of deltas that should be incorporated in delta‐growth models of engineered river diversions.
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 ».