Topographic Diversity in Subduction-Related Mountains Driven by Plate Tectonics and Mantle Dynamics
Notice bibliographique
Résumé
Topography at active margins results from complex interactions among plate tectonics, mantle convection, and climate-driven surface processes. However, quantifying the relative contributions of these processes to the diverse topography of active margins remains a significant challenge. Existing geodynamic and surface process models are computationally intensive, often limiting analyses to a narrow set of parameters and regional scales. Here, we introduce a framework that integrates Explainable Artificial Intelligence (XAI) with data from global plate reconstructions, mantle convection, and paleoclimate simulations to identify and quantify the drivers of global active margin topography. Our model predicts present-day elevation with a root mean square error of 444 m and a coefficient of determination (R²) of 0.77 compared to ETOPO. Subduction flux, trench migration rate, and upper mantle temperature are identified as the dominant controls on elevation. These parameters give rise to three distinct topographic regimes: (1) high subduction flux (>0.08 km³/yr) driving elevations above 3000 m (e.g., Central Andes); (2) moderate subduction flux with trench retreat yielding low topography (<1000 m; e.g., Calabria); and (3) advancing trenches producing broad, elevated terrains (>1500 m; e.g., Central Makran). Our framework offers transformative potential for reconstructing the paleotopography of active margins, shedding light on Earth's mineral resource distribution and biodiversity evolution.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 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 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 ».