MétaCan
Menu
Retour à la cohorte
Enregistrement W4409817121 · doi:10.1016/j.geomorph.2025.109794

Decoding surface processes from escarpment to watershed: Insights from karst landscapes using cosmogenic nuclides and geochemical data

2025· article· en· W4409817121 sur OpenAlexaff
Rogério Uagoda, Lionel Siamé, Jérémie Garnier, Laëtitia Léanni, Dandara Caldeira, Régis Braucher, Rémi Freydier, Patrick Seyler, A.S.T.E.R. Team

Notice bibliographique

RevueGeomorphology · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeology and Paleoclimatology Research
Établissements canadiensASTER
Organismes subventionnairesCentre National de la Recherche ScientifiqueConselho Nacional de Desenvolvimento Científico e TecnológicoCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorInstitut de Recherche pour le Développement
Mots-clésEscarpmentGeologyKarstCosmogenic nuclideSurface exposure datingWatershedGeomorphologyEarth scienceGeochemistryPaleontologyGlacierMoraine

Résumé

récupéré en direct d'OpenAlex

Tropical karst landscapes are marked by complex sediment dynamics resulting from the interplay between geomorphic processes and sediment transport . In the Vermelho Watershed (Brazilian savanna), we use paired cosmogenic nuclides ( 10 Be and 26 Al) to quantify denudation rates, burial durations, and sediment mixing. The spatial distribution of Al Be ratios reveals rapid erosion and prolonged burial on escarpments , in contrast to the more stable conditions of flatter areas, where erosion is subdued, and sediment residence time is longer. Comparisons with Iraquara and Serra das Mesas emphasize the influence of topography and sediment sources on nuclide inventories. Downstream increases in freshly eroded material point to fluvial mixing, while discrepancies between cosmogenic burial and OSL ages (Tarimba Cave) suggest partial burial and pre-depositional histories. The integration of cosmogenic, geochemical, and geomorphic data underscores the complexity of tropical karst systems, where vertical mixing and uneven erosion are key processes. These results contribute to a broader understanding of landscape evolution and offer a comparative basis for interpreting cosmogenic signals in fluvio-karst environments worldwide.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,040
Tête enseignante GPT0,277
Écart entre enseignants0,238 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeomorphologyMême sujetGeology and Paleoclimatology ResearchTravaux en français237 207