Towards coupled geodynamic and hydrothermal numerical rift models of sediment-hosted Copper and Zinc deposits
Notice bibliographique
Résumé
Many large sediment-hosted base metal deposits occur in failed continental rifts and the passive margins of successful rifts, e.g., in the MacArthur Basin, Australia, and the Selwyn Basin in Canada. Continental rifts and their margins provide a specific mix of elevated temperatures and heat flows, fault networks to facilitate fluid flow, sediment supply from the rift shoulders, and ocean water contributing pelagic sediments and sulfate. The large-scale geodynamics thus provide the necessary ingredients for metal leaching and deposition to occur on a variety of spatial and temporal scales. To understand the geodynamic controls on ore formation, we are therefore coupling the geodynamic code ASPECT1,2 (coupled to the landscape evolution model FastScape3,4) with the hydrothermal fluid flow code CSMP++5,6 to include realistic pressure, temperature, and heat flow conditions, as well as permeability and sediment distributions, for fluid flow and metal leaching/deposition. This coupled workflow crosses temporal scales of millions of years to years and spatial scales of hundreds of kilometers to meters. We present preliminary results from geodynamic modelling of large-scale continental rifting and hydrothermal simulations at specific snapshots of the upper 10 km of crust of this large-scale geodynamic evolution, showing the effect of rift duration, adjacent craton thickness, and erosion efficiency on sediment-hosted Cu and Zn deposits. 1Kronbichler et al. (2012). GJI191(1), 12–29. 2Heister et al. (2017). GJI, 210(2), 833–851. 3Neuharth et al. (2022). Geology, 50(3), 361–365. 4Braun & Willett (2013). Geomorphology, 180-181, 170-179. 5Weis et al. (2014). Geofluids, 14(3), 347–371. 6Rodríguez et al. (2021). GCubed, 22(6).
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 | 0,000 | 0,000 |
| 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 | 0,000 | 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) | 0,002 | 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 ».