Geodynamic controls on sediment-hosted metal deposits in continental rifts
Notice bibliographique
Résumé
Many large sediment-hosted clastic-dominated (CD) base metal deposits occur in failed continental rifts and the passive margins of successful rifts, e.g., in the MacArthur Basin, Australia, and in the Selwyn Basin in Canada. Continental rifts and their margins provide a specific mix of higher temperatures and heat flows, fault networks facilitating fluid flow, sediment input from the generated topography, and ocean water contributing pelagic sediments and sulfates. The large-scale geodynamics thus provide the necessary ingredients for metal leaching, with metal deposition then occurring on much smaller spatial and temporal scales. To identify the specific geodynamic conditions conducive to large CD-type deposit formation, we numerically model 2D rift systems from inception to break-up with the geodynamic code ASPECT (Heister et al. 2017) coupled to the landscape evolution model FastScape (Braun and Willett 2013; Neuharth et al. 2022). With high-resolution (~300 m) simulations, we investigate how rift type (e.g., wide versus narrow), the presence of a craton, and the efficiency of erosional and depositional processes affect the formation of potential source and host rock domains. We subsequently analyse the optimal alignment of these regions where metals are leached and deposited, respectively, with faulting events providing fluid pathways between them. For these favorable co-occurrences, we estimate the potential size of metal deposits and identify those conditions that predict the largest deposits. Braun and Willett. 2013. <em>Geomorphology</em> 180–181. 10.1016/j.geomorph.2012.10.008. Heister et al. 2017. <em>Geophys. J. Int.</em> 210 (2): 833–51. 10.1093/gji/ggx195. Neuharth et al. 2022. <em>Tectonics</em> 41 (3): e2021TC007166. 10.1029/2021TC007166.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».