MétaCan
Menu
Retour à la cohorte
Enregistrement W4413152517 · doi:10.1130/g53374.1

Upwelling-related ferruginous ooids, microbialites, and the Darriwilian tipping point of Ordovician climate

2025· article· en· W4413152517 sur OpenAlexaff
Xiaocong Luan, Colin D. Sproat, Jisuo Jin, Peir K. Pufahl, Rongchang Wu, Renbin Zhan

Notice bibliographique

RevueGeology · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensQueen's UniversityWestern UniversityUniversity of Saskatchewan
Organismes subventionnairesNational Key Research and Development Program of ChinaChinese Academy of SciencesNational Natural Science Foundation of China
Mots-clésUpwellingGeologyTipping point (physics)OrdovicianOceanographyClimatologyPaleontology

Résumé

récupéré en direct d'OpenAlex

Abstract Cool-water settings characterize Ordovician occurrences of Phanerozoic ooidal ironstones (POIs), contrasting sharply with the warm and humid climate typical of other POIs. This geological puzzle was deciphered in this study based on a complex suite of Middle–Late Ordovician POIs in South China hosted in tropical sediments of a warm-water origin, and coeval ferruginous ooid-bearing sediments and ferruginous microbialites that accumulated in a relatively cool-water setting. Here, we demonstrate that, despite their different depositional settings, all Ordovician ferruginous deposits of South China share similar petrographic ultrastructures and δ56Fe isotopic signatures. This suggests that the formation of POIs was not likely controlled by water temperature but instead is attributable to a microbial iron factory, associated with active upwelling generated from frequent cool-water incursions from Gondwana. This model also explains the predominant occurrence of Ordovician ferruginous deposits in cool-water realms in peri-Gondwana. The Darriwilian peak of their abundance corresponds to the onset of an icehouse episode and a paleotropical cold-water tongue that created complex depositional environments across the South China plate.

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)0,001
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,561
Score d'incertitude au seuil0,403

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0010,001
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 Opus0,004
Tête enseignante GPT0,203
Écart entre enseignants0,199 · 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'étudeThéorique ou conceptuel
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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeologyMême sujetGeochemistry and Geologic MappingTravaux en français237 207