The Grenville Orogen explained? Applications and limitations of integrating numerical models with geological and geophysical data
Notice bibliographique
Résumé
Numerical models offer powerful insights into tectonic processes, especially when their validity can be tested against geological and geophysical observations from natural orogenic belts. Here we explain some of the criteria for success in integrating orogenic models with data, using examples from the Grenville Orogen. Model designs must be simplified by comparison with nature to illuminate the first-order processes that control orogenic evolution, which limits the extent to which model results can reproduce geological observations. For the western Grenville Orogen, observed variations in geological properties are represented by lower crustal blocks with strength decreasing from the exterior to the interior of the model. GO-series models with this design reproduce the first-order crustal architecture of the Georgian Bay and Montréal - Val d'Or Lithoprobe transects. Both constant-convergence and stop-convergence models produce similar geometries, but only stop-convergence models produce normal-sense shear zones like those observed. EGO-series models, incorporating an initial weak zone bounded by stronger lower crustal blocks, predict exhumation of high-pressure rocks as observed in the eastern Grenville Orogen, although other aspects of these model results are not as successful. The single most important test of a geodynamic model is its ability to integrate diverse and independent observations in a self-consistent manner. Other criteria include consistency with crustal-scale geometry and structural and metamorphic histories. By these criteria, the present models account reasonably well for the syn- and post-convergent evolution of the western Grenville Orogen, but further work is required to produce a fully satisfactory model for the eastern end of the system.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,009 | 0,018 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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; 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 ».