MétaCan
Menu
Retour à la cohorte
Enregistrement W4411109258 · doi:10.1029/2025gc012194

Thickening Cratonic Lithosphere by Horizontal Compression in the Presence of Surface Erosion and Sedimentation

2025· article· en· W4411109258 sur OpenAlexafffund
Kristina Kublik, Claire A. Currie, D. Graham Pearson

Notice bibliographique

RevueGeochemistry Geophysics Geosystems · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeological and Geochemical Analysis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlliance de recherche numérique du CanadaMaterials and Energy Research CenterCanada First Research Excellence FundUniversity of Alberta
Mots-clésGeologyThickeningLithosphereSedimentationErosionCompression (physics)GeochemistryGeomorphologyEarth scienceTectonicsSeismologySediment

Résumé

récupéré en direct d'OpenAlex

Abstract Here we examine how lithospheric thickening is affected by active surface sedimentation and erosion in geodynamic models of craton formation—an aspect that has been neglected in previous models even though cratons may be the first landmasses to emerge above sea level. In our two‐dimensional numerical models, inward horizontal velocities are imposed at the side boundaries of the model domain to induce thickening of the cratonic lithosphere by horizontal compression. Various rates of sedimentation and erosion are applied at the surface and the thickness of the lithosphere is monitored during the 50 Myr compression phase, and for 2 billion years after the imposed compression phase. In our models, surface processes act on the high‐relief surface topography of the mobile belts adjacent to the cratonic nucleus. Erosion in the mobile belts during the compression alters lithosphere geodynamics, increasing the thickness of the mobile belt lithosphere to depths capable of supporting diamond growth. This enhanced thickening in the mobile belt regions limits shortening and thickening of the cratonic nucleus and the lithospheric thickness can vary by up to 15 km between models with different surface process rates.

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 candidatesaucune
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 enseignants0,295
Score d'incertitude au seuil0,998

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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,005
Tête enseignante GPT0,202
Écart entre enseignants0,197 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeochemistry Geophysics GeosystemsMême sujetGeological and Geochemical AnalysisTravaux en français237 207