Reassessing tectono-structural units and crustal thickness variations in southwest Cameroon using satellite gravity and seismic data
Notice bibliographique
Résumé
Southwest Cameroon has long lacked detailed geological data, prompting an investigation into its geological and tectonic features through innovative edge detection techniques applied to gravity data. We employed various methods, including the Analytical Signal (AS), Tilt Angle (TDR), Total Horizontal Gradient of the Tilt Angle (TDR_THDR), and the Logistic Filter (IL) to delineate geological features that manifest as lineaments and contacts on gravity anomaly maps. Main findings of this study involve identification of key tectonic boundaries, notably the Kribi-Campo faults (KCF) and the Ebolowa pseudo-karstic circular network, the latter being mapped for the first time. This work reveals the continuity of the Ebolowa network and integrates connections such as the Mbilibekon and Mfuda caves, enhancing our understanding of the region's geological evolution. Additionally, we detailed the north-south extension of the KCF, which extends into both oceanic and terrestrial domains, aligning with the eastern margin of the Congo Craton. This finding suggests the fault system's role as a transition between the stable cratonic core and the dynamic mobile belts, necessitating a re-evaluation of regional tectonic models. To support our edge detection interpretations, we estimated Moho depths using gravity and seismic data, finding a Moho depth range between 34.5 km to 45.9 km, correlating with significant faulting and sedimentary features. This research enhances the understanding of subsurface structures in Southwestern Cameroon and provides a robust foundation for future geological and geophysical studies, emphasizing the critical interplay between surface and subsurface processes.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».