Mehr

14.4: Korrelation - Geowissenschaften

14.4: Korrelation - Geowissenschaften


Korrelation ist der Prozess der Feststellung, welche Sedimentschichten gleich alt, aber geografisch getrennt sind. Die Korrelation kann anhand von magnetischen Polaritätsumkehrungen (Kapitel 2), Gesteinsarten, einzigartigen Gesteinssequenzen oder Indexfossilien bestimmt werden. Es gibt vier Haupttypen der Korrelation: stratigraphisch, lithostratigraphisch, chronostratigraphisch und biostratigraphisch.

Stratigraphische Korrelation

Stratigraphische Korrelation ist der Prozess der Feststellung, welche Sedimentschichten in entfernten geografischen Gebieten anhand ihrer stratigraphischen Beziehung gleich alt sind. Geologen konstruieren geologische Geschichten von Gebieten durch Kartierung und Erstellung stratigraphischer Säulen – eine detaillierte Beschreibung der Schichten von unten nach oben. Ein Beispiel für stratigraphische Beziehungen und Korrelationen zwischen dem Canyonlands-Nationalpark und dem Zion-Nationalpark in Utah. In Canyonlands überlagert der Navajo-Sandstein die Kayenta-Formation, die über der klippenbildenden Wingate-Formation liegt. In Zion liegt der Navajo-Sandstein über der Kayenta-Formation, die über der klippenbildenden Moenave-Formation liegt. Basierend auf der stratigraphischen Beziehung korrelieren die Wingate- und Moenave-Formationen. Diese beiden Formationen haben einzigartige Namen, da ihre Zusammensetzung und ihr Aufschlussmuster leicht unterschiedlich sind. Andere Schichten im Colorado Plateau und ihre Abfolge können über Tausende von Quadratmeilen erkannt und korreliert werden.

Lithostratigraphische Korrelation

Lithostratigraphische Korrelation legt ein ähnliches Alter der Schichten fest, basierend auf Lithologie, das sind die Zusammensetzung und die physikalischen Eigenschaften dieser Schichten. Lithos ist griechisch für Stein und -logie kommt vom griechischen Wort für Lehre oder Wissenschaft. Die lithostratigraphische Korrelation kann verwendet werden, um ganze Formationen über große Entfernungen zu korrelieren, oder kann verwendet werden, um kleinere Schichten innerhalb von Formationen zu korrelieren, um ihre Ausdehnung und regionale Ablagerungsumgebungen zu verfolgen.

Zum Beispiel ist der Navajo-Sandstein, der die markanten Mauern des Zion-Nationalparks bildet, derselbe Navajo-Sandstein in Canyonlands, weil die Lithologie der beiden identisch ist, obwohl sie Hunderte von Meilen voneinander entfernt sind. Ausläufer derselben Navajo-Sandstein-Formation finden sich meilenweit entfernt in anderen Teilen des südlichen Utahs, einschließlich der Nationalparks Capitol Reef und Arches. Außerdem wird dieselbe Formation Aztec Sandstone in Nevada und Nugget Sandstone in der Nähe von Salt Lake City genannt, da sie lithologisch unterschiedlich genug sind, um neue Namen zu rechtfertigen.

Chronostratigraphische Korrelation

Chronostratigraphische Korrelation passt zu gleichaltrigen Gesteinen, auch wenn sie aus unterschiedlichen Lithologien bestehen. An verschiedenen geografischen Standorten können sich gleichzeitig unterschiedliche Lithologien von Sedimentgestein bilden, da die Ablagerungsumgebungen geografisch variieren. Zum Beispiel könnte es zu einem beliebigen Zeitpunkt in einer Meeresumgebung diese Abfolge von Ablagerungsumgebungen vom Strand bis zur Tiefsee geben: Strand, küstennaher Bereich, flache Meereslagune, Riff, Hang und Tiefsee. Jede Ablagerungsumgebung wird eine einzigartige Sedimentgesteinsformation aufweisen. Auf der Figur des Permian Capitan Reef am Guadalupe National Monument in West Texas zeigt die rote Linie eine chronostratigraphische Zeitleiste, die eine Momentaufnahme darstellt. Die Flachwasser-Lagune/das hintere Riff-Gebiet ist hellblau, das Hauptriff des Capitan ist dunkelblau und der Tiefsee-Schlickstein ist gelb. Alle drei dieser einzigartigen Lithologien bildeten sich gleichzeitig im Perm entlang dieser roten Zeitlinie.

Biostratigraphische Korrelation

Biostratigraphische Korrelation verwendet Indexfossilien, um das Alter der Schichten zu bestimmen. Indexfossilien stellen Ansammlungen oder Gruppen von Organismen dar, die während bestimmter geologischer Zeitintervalle einzigartig vorhanden waren. Assemblagen beziehen sich auf eine Gruppe von Fossilien. Fossilien ermöglichen es Geologen, eine Formation einem absoluten Datumsbereich, wie der Jurazeit (vor 199 bis 145 Millionen Jahren), anstatt einer relativen Zeitskala zuzuordnen. Tatsächlich sind die meisten geologischen Zeiträume auf fossile Ansammlungen abgebildet. Die nützlichsten Indexfossilien stammen von Lebensformen, die geografisch weit verbreitet waren und eine auf ein enges Zeitintervall begrenzte Artenlebensdauer hatten. Mit anderen Worten, Indexfossilien können an vielen Orten der Welt gefunden werden, jedoch nur in einem engen Zeitrahmen. Einige der besten Fossilien für eine biostratigraphische Korrelation sind Mikrofossilien, die meisten davon stammten aus einzelligen Organismen. Wie mikroskopische Organismen heute waren sie in vielen Umgebungen auf der ganzen Welt weit verbreitet. Einige dieser mikroskopisch kleinen Organismen hatten harte Teile wie Exoskelette oder äußere Hüllen, was sie zu besseren Kandidaten für die Konservierung machte. Foraminiferen, einzellige Organismen mit Kalkschalen, sind ein Beispiel für ein besonders nützliches Indexfossil für die Kreidezeit und das Känozoikum [37].

Konodonten sind ein weiteres Beispiel für Mikrofossilien, die für die biostratigraphische Korrelation des Kambriums bis zur Trias geeignet sind. Conodonten sind zahnähnliche Phosphatstrukturen eines aalähnlichen vielzelligen Organismus, die keine anderen konservierbaren Hartteile aufwiesen. Die Conodonten-tragenden Kreaturen lebten in flachen Meeresumgebungen auf der ganzen Welt. Nach dem Tod wurden die phosphatischen Hartteile in den Rest der Meeressedimente verstreut. Diese charakteristischen zahnähnlichen Strukturen lassen sich im Labor leicht sammeln und von Kalkstein trennen.

Da die Conodonten-Kreaturen so weit verbreitet waren, sich schnell entwickelten und leicht in Sedimenten konserviert wurden, sind ihre Fossilien besonders nützlich, um Schichten zu korrelieren, obwohl das Wissen über das tatsächliche Tier, das sie besitzt, spärlich ist. Wissenschaftler in den 1960er Jahren führten eine grundlegende biostratigraphische Korrelation durch, die die Trias-Conodonten-Zonierung mit Ammonoiden verknüpfte, die ausgestorbene alte Cousins ​​​​der perlmuttartigen Nautilus sind. Bis zu diesem Zeitpunkt waren Ammonoide der einzige Standard für die Trias-Korrelation, so dass Querverweise von Mikro- und Makroindex-Fossilien die Zuverlässigkeit der biostratigraphischen Korrelation für beide Typen verbesserten [38]. In dieser Conodont-Studie wurde die Verwendung von Conodonten zur internationalen Korrelation von Trias-Schichten in Europa, im Westen Nordamerikas und auf den arktischen Inseln Kanadas festgestellt [39].

Geologische Zeitskala

Die geologische Zeit wurde von Geologen in eine Reihe von Abteilungen unterteilt. Äon ist die größte Zeiteinteilung, gefolgt von Epoche, Periode, Epoche und Alter. Die Aufteilungen der geologischen Zeitskala sind überall auf der Erde gleich; Gesteine ​​können jedoch an einem bestimmten Ort vorhanden sein oder nicht, abhängig von der geologischen Aktivität, die während eines bestimmten Zeitraums stattfindet. Somit haben wir das Konzept von Zeit vs. Gestein, bei dem die Zeit ein ununterbrochenes Kontinuum ist, aber Gesteine ​​fehlen und/oder für das Studium nicht verfügbar sind. Die Zahl der geologischen Zeitskala stellt die Zeit dar, die vom Anfang der Erde an kontinuierlich fließt, wobei die Zeiteinheiten in einer ununterbrochenen Reihenfolge dargestellt werden. Das bedeutet jedoch nicht, dass für alle diese Zeiteinheiten Gesteine ​​zum Studium zur Verfügung stehen.

Die geologische Zeitskala wurde während des 19.NS Jahrhundert nach den Prinzipien der Stratigraphie. Die relative Reihenfolge der Zeiteinheiten wurde bestimmt, bevor die Geologen über die Werkzeuge verfügten, um Perioden und Ereignissen numerische Alter zuzuordnen. Biostratigraphische Korrelation unter Verwendung von Fossilien, um Sedimentgesteinen im weltweiten Maßstab Ära- und Periodennamen zuzuordnen [40]. Mit der Ausweitung von Wissenschaft und Technologie glauben einige Geologen, dass der Einfluss der Menschheit auf natürliche Prozesse so groß geworden ist, dass sie eine neue geologische Zeitperiode vorschlagen, die als bekannt ist Anthropozän. [39; 41].

Verweise

37. Wade, B. S., Pearson, P. N., Berggren, W. A. ​​& Pälike, H. Überprüfung und Überarbeitung der känozoischen tropischen planktonischen Foraminiferen-Biostratigraphie und Kalibrierung auf die geomagnetische Polarität und astronomische Zeitskala. Erde-Sci. Rev. 104, 111–142 (2011).

38. Mosher, L. C. Trias-Conodonten aus dem westlichen Nordamerika und Europa und ihre Korrelation. J. Paläontol. 42, 895–946 (1968).

39. Trias-Conodonten aus British Columbia und den nördlichen Arktischen Inseln. Stier. Geol. Überleben Dürfen. 222, 141–193 (1973).

40. Beere, W.B.N. Wachstum einer prähistorischen Zeitskala: Basierend auf der organischen Evolution (San Francisco, USA, und Folkestone, Kent, England. (WH Freeman und Co, 1968).

41. Zalasiewicz, J. et al. Leben wir jetzt im Anthropozän? GSA heute 18, 4 (2008).


14.4: Korrelation - Geowissenschaften

Alle von MDPI veröffentlichten Artikel werden sofort weltweit unter einer Open-Access-Lizenz verfügbar gemacht. Für die Wiederverwendung des gesamten oder eines Teils des von MDPI veröffentlichten Artikels, einschließlich Abbildungen und Tabellen, ist keine besondere Genehmigung erforderlich. Bei Artikeln, die unter einer Open-Access-Creative Common CC BY-Lizenz veröffentlicht wurden, darf jeder Teil des Artikels ohne Genehmigung wiederverwendet werden, sofern der Originalartikel eindeutig zitiert wird.

Feature Papers stellen die fortschrittlichste Forschung mit erheblichem Potenzial für eine große Wirkung auf diesem Gebiet dar. Feature Papers werden auf individuelle Einladung oder Empfehlung der wissenschaftlichen Herausgeber eingereicht und vor der Veröffentlichung einem Peer Review unterzogen.

Das Feature Paper kann entweder ein origineller Forschungsartikel, eine umfangreiche neue Forschungsstudie sein, die oft mehrere Techniken oder Ansätze umfasst, oder ein umfassendes Übersichtspapier mit prägnanten und präzisen Updates zu den neuesten Fortschritten auf diesem Gebiet, das die aufregendsten Fortschritte in der Wissenschaft systematisch überprüft Literatur. Diese Art von Papier gibt einen Ausblick auf zukünftige Forschungsrichtungen oder mögliche Anwendungen.

Editor’s Choice-Artikel basieren auf Empfehlungen der wissenschaftlichen Herausgeber von MDPI-Zeitschriften aus der ganzen Welt. Die Herausgeber wählen eine kleine Anzahl von kürzlich in der Zeitschrift veröffentlichten Artikeln aus, die ihrer Meinung nach für Autoren besonders interessant oder in diesem Bereich wichtig sind. Ziel ist es, eine Momentaufnahme einiger der spannendsten Arbeiten zu geben, die in den verschiedenen Forschungsbereichen der Zeitschrift veröffentlicht wurden.


Von der Korrelation zur Kausalität: Analyse von Metabolomics-Daten mit systembiologischen Ansätzen

Einführung: Metabolomics ist ein etabliertes Werkzeug in der Systembiologie, insbesondere im Top-Down-Ansatz. Metabolomics-Experimente führen oft zu Entdeckungsstudien, die faszinierende biologische Hypothesen liefern, aber selten eine mechanistische Erklärung solcher Ergebnisse bieten. Vor diesem Hintergrund kann die Interpretation von Metabolomics-Daten durch den Einsatz systembiologischer Ansätze gefördert werden.

Ziele: Dieser Aufsatz soll einen Überblick über systembiologische Ansätze geben, die für die Metabolomik relevant sind, und einige erfolgreiche Anwendungen dieser Methoden diskutieren.

Methoden: Wir überprüfen die neuesten Anwendungen systembiologischer Werkzeuge im Bereich der Metabolomik, wie Netzwerkinferenz und -analyse, metabolische Modellierung und Pathway-Analyse.

Ergebnisse: Wir bieten einen umfassenden Überblick über systembiologische Werkzeuge, die zur Lösung von Problemen der Metabolomik eingesetzt werden können. Die Eigenschaften und Anwendungsergebnisse dieser Werkzeuge werden auch vergleichend diskutiert.

Schlussfolgerungen: Die systembiologisch unterstützte Analyse von Metabolomics-Daten kann Einblicke in die molekularen Mechanismen liefern, die den beobachteten Stoffwechselprofilen zugrunde liegen, und die wissenschaftliche Wirkung von Metabolomics-Studien verbessern.

Schlüsselwörter: Assoziationsnetzwerk Korrelationsnetzwerk Anreicherungsanalyse Netzwerkanalyse Pathway.


Landwirtschaft

Intensive landwirtschaftliche Betriebe und Golfplätze können erhebliche Auswirkungen auf die Umwelt haben, insbesondere wenn Chemikalien und andere Materialien verwendet werden, um das Wachstum zu fördern oder Schädlinge zu bekämpfen. Ein Beispiel für landwirtschaftliche Kontamination ist das Gebiet von Abbotsford im Fraser Valley, wo seit den 1950er Jahren Nitratgehalte über dem maximal akzeptablen Wert von 44 Milligramm pro Liter (ausgedrückt als Nitrat) im Grundwasserleiter von Abbotsford-Sumas beobachtet wurden schlimmer, als die Intensität der Landwirtschaft in den 1980er Jahren zunahm. Im Jahr 2004 wurde auf einer Fläche von etwa 75 Quadratkilometern um Abbotsford Grundwasser mit einem Nitratgehalt von über 44 Milligramm pro Liter gemeldet, und das Problem erstreckte sich über die Grenze bis in die Gegend von Sumas im Bundesstaat Washington.

Diese Region wird intensiv für den Beerenanbau (insbesondere Himbeeren und Heidelbeeren) und große Geflügelbetriebe sowie in geringerem Maße für Weide- und Futterkulturen genutzt. Hühnermist wird typischerweise auf Feldern neben Hühnerställen gelagert und kann Stickstoff aus abfließendem Wasser und aus der Freisetzung von Ammoniakgas an die Umwelt abgeben. Über Jahrzehnte wurden sowohl chemische Düngemittel als auch Hühnermist und andere Düngemittel auf die Beerenkulturen aufgebracht, um zusätzlichen Stickstoff bereitzustellen, um das Beerenwachstum zu maximieren. Wenn der zugesetzte Dünger den Bedarf der Pflanzen übersteigt oder im Vergleich zum Bedarfszeitpunkt ungünstig ist, kann der zusätzliche Stickstoff in das darunter liegende Grundwasser ausgewaschen werden. Beerenfrüchte werden über den Sommer bewässert, um das Wachstum der Pflanzen zu unterstützen. Bewässerung im Sommer und Regen im Winter können überschüssiges Nitrat von der nahen Oberfläche in den darunter liegenden Grundwasserleiter transportieren.

Seit den 1990er Jahren wurden die landwirtschaftlichen Praktiken verschärft, um die Rate der Grundwasserverschmutzung zu reduzieren, aber es wird Jahrzehnte dauern, bis der Nitratgehalt im Grundwasserleiter Abbotsford-Sumas sinkt. Agriculture and Agri-Food Canada und viele andere forschen an besseren Bewässerungs- und Nitratmanagementtechniken, um die Stickstoffmenge zu reduzieren, die in das Grundwasser austritt.


14.4: Korrelation - Geowissenschaften

Ермины в модуле (113)

ja
Abhängige Variable x
Unabhängige Variable
5 1
4 2
3 3
2 4
1 5

ja
Abhängige Variable x
Unabhängige Variable
5 1
4 2
3 3
2 4
1 5

ja
Abhängige Variable x
Unabhängige Variable
5 1
4 2
3 3
2 4
1 5

ja
Abhängige Variable x
Unabhängige Variable
5 1
4 2
3 3
2 4
1 5

ja
Abhängige Variable x
Unabhängige Variable
5 1
4 2
3 3
2 4
1 5

ja
Abhängige Variable x
Unabhängige Variable
12 4
3 6
7 2
6 4

ja
Abhängige Variable x
Unabhängige Variable
12 4
3 6
7 2
6 4

ja
Abhängige Variable x
Unabhängige Variable
12 4
3 6
7 2
6 4

ja
Abhängige Variable x
Unabhängige Variable
12 4
3 6
7 2
6 4

n = 17
SSR = 225
SSE = 75
Sb1 = 0,2683

n = 17
SSR = 225
SSE = 75
Sb1 = 0,2683

n = 17
SSR = 225
SSE = 75
Sb1 = 0,2683

n = 17
SSR = 225
SSE = 75
Sb1 = 0,2683

n = 17
SSR = 225
SSE = 75
Sb1 = 0,2683

ja
Abhängige Variable x
Unabhängige Variable
15 4
17 6
23 2
17 4

ja
Abhängige Variable x
Unabhängige Variable
15 4
17 6
23 2
17 4

ja
Abhängige Variable x
Unabhängige Variable
15 4
17 6
23 2
17 4

ja
Abhängige Variable x
Unabhängige Variable
15 4
17 6
23 2
17 4

ja
Abhängige Variable x
Unabhängige Variable
5 4
7 6
9 2
11 4

ja
Abhängige Variable x
Unabhängige Variable
5 4
7 6
9 2
11 4

ja
Abhängige Variable x
Unabhängige Variable
5 4
7 6
9 2
11 4

ja
Abhängige Variable x
Unabhängige Variable
5 4
7 6
9 2
11 4

ΣX = 90 Σ(y-ybar)(x-xbar) = -156
ΣY = 340 Σ(x-xbar)^2 = 234
n = 4 Σ(y-ybar)^2 = 1974
SSR = 104

ΣX = 90 Σ(y-ybar)(x-xbar) = -156
ΣY = 340 Σ(x-xbar)^2 = 234
n = 4 Σ(y-ybar)^2 = 1974
SSR = 104

ΣX = 90 Σ(y-ybar)(x-xbar) = -156
ΣY = 340 Σ(x-xbar)^2 = 234
n = 4 Σ(y-ybar)^2 = 1974
SSR = 104

ΣX = 90 Σ(y-ybar)(x-xbar) = -156
ΣY = 340 Σ(x-xbar)^2 = 234
n = 4 Σ(y-ybar)^2 = 1974
SSR = 104

ΣX = 90 Σ(y-ybar)(x-xbar) = -156
ΣY = 340 Σ(x-xbar)^2 = 234
n = 4 Σ(y-ybar)^2 = 1974
SSR = 104

ΣX = 90 Σ(y-ybar)(x-xbar) = -156
ΣY = 340 Σ(x-xbar)^2 = 234
n = 4 Σ(y-ybar)^2 = 1974
SSR = 104

ΣX = 90 Σ(y-ybar)(x-xbar) = 466
ΣY = 170 Σ(x-xbar)^2 = 234
n = 10 Σ(y-ybar)^2 = 1434
SSE = 505,98

ΣX = 90 Σ(y-ybar)(x-xbar) = 466
ΣY = 170 Σ(x-xbar)^2 = 234
n = 10 Σ(y-ybar)^2 = 1434
SSE = 505,98

ΣX = 90 Σ(y-ybar)(x-xbar) = 466
ΣY = 170 Σ(x-xbar)^2 = 234
n = 10 Σ(y-ybar)^2 = 1434
SSE = 505,98

ΣX = 90 Σ(y-ybar)(x-xbar) = 466
ΣY = 170 Σ(x-xbar)^2 = 234
n = 10 Σ(y-ybar)^2 = 1434
SSE = 505,98

ΣX = 90 Σ(y-ybar)(x-xbar) = 466
ΣY = 170 Σ(x-xbar)^2 = 234
n = 10 Σ(y-ybar)^2 = 1434
SSE = 505,98


Eine Zusammenstellung von durchschnittlichen Porositäts- und Permeabilitätsdaten für kreidezeitliche Erdöllagerstätten des Nahen Ostens zeigt wichtige Unterschiede zwischen den beiden tektonischen Hauptprovinzen. Die Arabische Plattform zeichnet sich durch eine inverse Korrelation der durchschnittlichen Porosität mit der Verschüttungstiefe sowohl in Karbonaten als auch in Sandsteinen aus, während der Zagros-Faltengürtel (fast ausschließlich Karbonate) eine deutlich geringere Porosität und keine Tiefenkorrelation aufweist. Diese Kontraste sollen die Tatsache widerspiegeln, dass sich die Schichten der Arabischen Plattform meist nahe ihrer maximalen Verschüttungstiefe befinden, während die Schichten von Zagros nach der maximalen Verschüttung in der Mitte des Tertiärs unterschiedliche Hebungen und Erosionen erfahren haben. Die Karbonatvorkommen zeigen keine Korrelation zwischen durchschnittlicher Porosität und durchschnittlicher Permeabilität, wahrscheinlich aufgrund großer Unterschiede in den vorherrschenden Porentypen, und die Permeabilitäten sind bei Sandsteinen tendenziell viel höher als bei Karbonaten.

Die Existenz der Porosität-Tiefe-Korrelation der Arabischen Plattform trotz einer offensichtlich großen Vielfalt von Ablagerungseinstellungen und frühen diagenetischen Porositätsmodifikationen zwischen den einzelnen Lagerstätten veranschaulicht und bestätigt einige grundlegende Allgemeinheiten darüber, wie die Verschüttungsdiagenese die gesamte Porositätsentwicklung von Lagerstättengesteinskörpern steuert. Obwohl die Porosität sowohl in Karbonaten als auch in Sandsteinen im Allgemeinen eine enorme kleinräumige Heterogenität aufweist, ist die durchschnittliche vorvergrabene Porosität größerer stratigraphischer Intervalle tendenziell sehr hoch. Die Bestattungsdiagenese zerstört diese Porosität nach und nach durch chemische Verdichtung und damit verbundene Zementierung (aus Stylolithen). Somit bewegen sich alle Teile des betroffenen Gesteinskörpers mit zunehmender Tiefe in Richtung der Nullgrenze, obwohl die Raten der Porositätsverdeckung stark variieren, abhängig von der Gesteinsstruktur und der frühen Diagenese. Die durchschnittliche Porosität des Reservoirs korreliert daher ungeachtet der anfänglichen lithologischen Heterogenität umgekehrt mit der maximalen Vergrabenstiefe.


Wir präsentieren neue Techniken, die die Grenzen von Standardansätzen zur Dokumentation räumlicher Anordnung überwinden. Die neuen Techniken quantifizieren die räumliche Anordnung direkt, indem sie auf erwartete Werte für zufällig angeordnete Brüche normalisieren. Die Techniken unterscheiden sich in Bezug auf die Rechenintensität, die Robustheit der Ergebnisse, die Fähigkeit, Antikorrelation zu erkennen, und die Verwendung von Frakturgrößendaten. Die Variation der räumlichen Anordnung über einen weiten Bereich von Längenskalen erleichtert die Unterscheidung zwischen geclusterten und periodischen Anordnungen – entgegengesetzten Organisationsformen – von zufälligen Anordnungen. Darüber hinaus können selbstorganisierte Arrangements von Arrangements aufgrund extrinsischer Organisation unterschieden werden. Herkömmliche Techniken zur Analyse des Bruchabstands sind lahmgelegt, da sie weder die Reihenfolge von Frakturabständen noch für eine mögliche Koordination zwischen Fraktur Größe und Position, Attribute, die von unseren Methoden berücksichtigt werden.

Alle neuen Techniken zeigen fraktale Anhäufungen in einem Testfall von Adern oder zementgefüllten Brüchen im Öffnungsmodus in Pennsylvanian Marble Falls Limestone. Die beobachtete Anordnung ist leicht von zufälligen und periodischen Anordnungen zu unterscheiden. Der Vergleich von Ergebnissen, die die Frakturgröße berücksichtigen, mit Ergebnissen, die die Frakturgröße ignorieren, zeigt, dass die räumliche Anordnung von der Abfolge der Frakturabstände dominiert wird und nicht von der Koordination der Frakturgröße mit der Position. Frakturgröße und Position sind in diesem Beispiel jedoch nicht völlig unabhängig, da große Frakturen stärker geclustert sind als kleine Frakturen. Sowohl die räumliche als auch die größenmäßige Organisation der Venen entstand hier wahrscheinlich aus der Frakturinteraktion während des Wachstums. Die hier beschriebenen neuen Ansätze können zusammen mit frei verfügbarer Software zur Implementierung der Techniken effektiv auf eine Vielzahl von Strukturen oder sogar auf viele andere Phänomene wie das Bohrverhalten angewendet werden, bei denen räumliche Heterogenität ein Thema ist.


M. A. Achmet’ev, Izv. Akad. Nauk SSSR, Ser. Geol., Nr. 4, 134 (1974).

B. Buchgard, Natur 275, 121 (1978).

A. G. Ablaev, Geologie und Geschichte der Flora an den Küsten des Japanischen Meeres in der Oberkreide und im Tertiär (Nauka, Moskau, 1978) [auf Russisch].

K. Huzioka, J. Mining Coll. Akita-Univ. Ser. EIN 5(1), 1 (1972).

B. I. Pavlyutkin, S. I. Nevolina, T. I. Petrenko et al., Stratigr. Geol. Korrelation 14(4), 444 (2006) [Stratigr. Geol. Korrelyatsiya 14 (4), 116 (2006)].

B. I. Pawlyutkin, Die mittelmiozäne Khankai-Flora von Primorje (Dal’nauka, Wladiwostok, 2005) [auf Russisch].

B. I. Pavlyutkin, S. S. Ganzei und A. M. Korotkii, Izv. Akad. Nauk SSSR, Ser. Geol., Nr. 5, 128 (1984).

R.S. Klimova, Paleontol. Zh., Nr. 1, 104 (1976).

Fossile Blütenpflanzen Russlands und der angrenzenden Staaten, Hrsg. von L. Yu. Budantsev (St. Petersburg, 1994), Vol. 2, No. 3 [auf Russisch].

T. Tanai und K. Uemura, Trans. Proz. Paläont. Soz. Jap., Nr. 4, 342 (1994).

B. I. Pavlyutkin, Paleontol. J., Nr. 5, 548 (2002) [Paleontol. Zh., Nr. 5, 106 (2002)].

S. X. Wang, in Proz. Int. Konf. Hongkong, 7.–12. Januar 1983 (Hong-Kong, 1984), S. 165–187.

A. I. Khanchuk, V. V. Golozubov, N. A. Goryachev, et al., in Geodynamik, Magmatismus und Metallogenie Ostrusslands (2) (Dal’nauka, Wladiwostok, 2006), S. 880–897 [auf Russisch].

R. Tsuchi, Palaeogeogr., Palaeoclimatol., Palaeoecol. 77(3/4), 355 (1990).


Danksagung

David Goodwin hat mich freundlicherweise auf einen Fehler in Davis (1986, 2002) für die Gleichung des Standardfehlers des Achsenabschnitts in einer SMA-Regression aufmerksam gemacht, und die richtige Gleichung ist auf dieser Seite gezeigt. Davis hat den letzten Begriff nicht in den Radicand aufgenommen, aber er sollte es sein, wie gezeigt wird. Die richtige Gleichung ist in Kermack und Haldane (1950) und Miller und Kahn (1962) angegeben, beide zitiert von Davis. Die Richtigkeit der Gleichung von Kermack und Haldane (1950) gegenüber der Version von Davis (1986, 2002) kann mit einem Bootstrap demonstriert werden.


Erweiterte Daten Abb. 1 Ablagerungsmodell des Norwegischen Meereskerns GS07-148-17GC.

ein, Depositionsmodell konstruiert unter Verwendung der P_Sequence Option in OxCal 70 . Die dunklen und hellen Bänder repräsentieren die jeweiligen 68,2% bzw. 95,4% glaubwürdigen Intervalle des Modells. Das Modell wird durch das Definieren von Verbindungspunkten (Rauten und vertikale Striche zwischen (B) und (C)) zwischen der Aufzeichnung der magnetischen Suszeptibilität des Kerns GS07-148-17GC (C) und das δ 18 O Aufzeichnung aus der Hulu-Höhle (B) 24. Während der Bølling-Übergang mit hohen Sedimentationsraten und der Ablagerung von Plumites näher am Rand des Kontinentalschelfs und der Erdungslinie des Eisschildes 92,100,101 verbunden ist, befindet sich der Kern GS07-148-17GC in einer distaleren Umgebung, wo der direkte Einfluss von sedimentbeladenem Schmelzwasser Federn ist weniger wahrscheinlich. Das Intervall mit hohen Sedimentationsraten bei etwa 17,5 kyr cal BP steht im Zusammenhang mit der Ablagerung eines Plumites aus dem norwegischen Kanaleisstrom 82,83,84,150,151 . Horizontale Fehlerbalken in b-c repräsentieren die 1σ Unsicherheit des OxCal-generierten Depositionsmodells für die jeweiligen Aufzeichnungen. (D), Der Durchschnitt der δ 18 O-Aufzeichnung von den Eisbohrkernen des Grönlandgipfels (GISP2 und GRIP ausgerichtet auf die GICC05-Chronologie60), die als Referenz eingezeichnet ist. Das Spitzenvorkommen der Vedde-Asche im Kern GS07-148-17GC und den grönländischen Eisbohrkernen ist durch die blaue Linie gekennzeichnet. Beachten Sie, dass die Vedde-Asche nicht verwendet wurde, um die Chronologie von GS07-148-17GC einzuschränken, aber der Unterschied im Alter der Vedde-Asche beträgt nur 10 Jahre. e, Die Verteilung von Tephra-Scherben im Kern GS07-148-17GC, einschließlich rhyolithischer (schwarzer) und basaltischer (roter) Scherben. Pfeile markieren Ebenen, die für geochemische Analysen von Tephra-Scherben beprobt wurden (Erweiterte Daten Abb. 4).

Erweiterte Daten Abb. 2 Magnetische und geochemische Parameter aus dem Deglaziationsintervall im Kern GS07-148-17GC.

ein, Magnetische Suszeptibilität (MS) (rot) und Ti/K-Verhältnis aus Multi-Sensor-Kernaufzeichnung und RFA-Kernscannen (schwarz, 11 Punkte laufender Mittelwert). Wie von Ballini et al. 72 während des MIS-3-Intervalls variieren MS und Ti/K auch im deglazialen Intervall eng zusammen. B, schwarze Rauten sind Hystereseparameter aus diskreten Probenmessungen auf einem Koerzitivfeldspektrometer (korrigiert für paramagnetisches Material). Von oben: Sättigungsremanente Magnetisierung (Mrs) und MS (rote Linie). Ihnenrs und MS Verfolgen Sie die Massen-MS genau, wie sie in MIS-3 gefunden werden 72 . Ein S-Verhältnis (S= − IRM−0,3T/IRM0,5T) nahe Eins für alle gemessenen Proben deuten darauf hin, dass die ferromagnetischen Minerale homogen sind und im gesamten untersuchten Kernintervall von Mineralen mit niedriger Koerzitivfeldstärke dominiert werden, ähnlich wie bei MIS-3 72,73 . Die zum Erreichen der Sättigungsremanenz erforderliche Feldstärke liegt unter 300 mT, was auf Magnetit oder Titanomagnetit als das wichtigste ferromagnetische Mineral hindeutet 73 . Zusätzliche thermomagnetische Kurven von repräsentativen MIS-3-Proben 72,73 deuten darauf hin, dass das Mineral, das das MS-Signal der SE-Norwegischen See trägt, Titanomagnetit mit niedrigem Ti-Wert ist. Das etwas niedrigere Mrs/Ms-Verhältnis im HS1-Intervall des Kerns GS07-148-17GC stimmt mit den Ergebnissen von Ballini et al. 72, was darauf hindeutet, dass die magnetischen Korngrößen während Stadien etwas größer sind. Das unterste Feld zeigt die gesamte magnetische Suszeptibilität (graues Feld, gemessen und nicht für paramagnetisches Material korrigiert) bei einem induzierten Feld von 40 mT (M40mT) und den entsprechenden paramagnetischen Beitrag (schwarzes Feld). Der geringe und relativ konstante paramagnetische Beitrag zum Gesamt-M zeigt, dass das MS-Signal durch die Konzentration ferromagnetischer Mineralien bestimmt wird. C, Day-Diagramm 152, das zeigt, dass die magnetischen Korngrößen in den Pseudo-Einzeldomänen-Bereich fallen, in Übereinstimmung mit den Ergebnissen von Ballini et al. 72 (graues Feld).

Erweiterte Daten Abb. 3 Alternatives Ablagerungsmodell des Kerns GS07-148-17GC.

ein, Vergleich des bevorzugten Ablagerungsmodells (magenta Extended Data Abb. 1) und unseres alternativen Ablagerungsmodells (cyan). Dunklere und hellere Farben repräsentieren die glaubwürdigen Intervalle von 68,2% bzw. 95,4%. Die Positionen der Vedde Ash und die eingeschränkten und nicht eingeschränkten Segmente der Modelle sind angegeben. B, Das δ 18 O-Aufnahme aus der Hulu-Höhle wie in Extended Data Abb. 1 24 . CD, der MS-Eintrag des Kerns GS07-148-17GC auf dem bevorzugten (C, magenta) und alternativ (D, blau) Ablagerungsmodell. Die horizontalen Fehlerbalken in B,C und D repräsentieren die 1σ Unsicherheit der OxCal-generierten Depositionsmodelle für die jeweiligen Aufzeichnungen. e, der Durchschnitt der δ 18 O-Aufzeichnungen von den Eisbohrkernen des Grönlandgipfels (GISP2 und GRIP, ausgerichtet auf die GICC05-Chronologie60), die als Referenz aufgetragen wurden. F, das 14 C-Zeitalter der Zusammenstellung des Norwegischen Meeres, das sowohl in unserer bevorzugten Chronologie (magenta) als auch in der alternativen Chronologie (blau) aufgetragen ist, das hellrosa Feld ist die Rekonstruktion des Norwegischen Meeres 14 C.

Erweiterte Daten Abb. 4 Die Vedde-Asche im Kern GS07-148-17GC.

ein, Bivariate Darstellung von FeO* vs ​​K2O zeigt die Ergebnisse aller in der ergänzenden Datendatei 1 präsentierten Daten. Alle Daten sind auf einer wasser- und flüchtigen Basis für den Datensatzvergleich auf eine Gesamtsumme von 100 % normalisiert (die ergänzende Datendatei 1 enthält die ursprüngliche nicht normalisierte geochemische Daten). Gesamteisen wird als FeO* ausgedrückt. Kompositionshüllen (gestrichelte Linien) zeigen die rhyolithischen und basaltisch-intermediären Komponenten der Vedde-Esche (aus Tephrabase: www.tephrabase.org 153 ). B, Rasterelektronenmikroskopische Aufnahmen von Glasscherben aus einem Intervall von 32,5-33,0 cm Tiefe im Kern GS07-148-17GC (B: basaltisches Glas, R: rhyolithisches Glas).

Erweiterte Daten Abb. 5 Norwegische Seedatensätze, aufgetragen auf der Tiefenskala GS07-148-17GC.

ein, Tiefenmodelle der Kerne HM79-4, GIK23074-1 und MD95-2010, die mit der Option P_Sequence in OxCal 70 erstellt wurden. Helle Unsicherheitshüllkurven repräsentieren die 95,4%-Quantile, während dunklere Farben die 68,2%-Quantile des Tiefenmodell-PDFs darstellen. Die Modelle werden erstellt, indem der Verbindungspunkt zwischen den Kernen und dem Kern GS07-148-17GC unter Verwendung der Aufzeichnungen von (B) δ 18 O 44,59,61 , (C) δ 13 C 44,59,61 , (D) IRD 59,61 und (e) magnetische Suszeptibilität 59 . F, zusammengestellt AMS 14 C 44,59,61,62 . Kreise markieren die Daten, die aufgrund von Verzerrungen der Kernstratigraphie aus tiefen Höhlen von der weiteren Analyse ausgeschlossen sind (Erweiterte Daten Abb. 6). Horizontale Fehlerbalken in b-f repräsentieren die 1σ Unsicherheit des Tiefenmodells für die jeweiligen Kerne.

Erweiterte Daten Abb. 6 Spuren von Fossilien und Höhlen zwischen 83 und 117 cm Tiefe im Kern GS07-148-17GC.

ein, Computertomographie-Röntgenaufnahme mit gewähltem Farbschema, um Spurenfossilien und Höhlen hervorzuheben. Weiße und hellblaue Farben kennzeichnen Sedimente und Hohlräume geringer Dichte, rote und gelbe Farben kennzeichnen hochdichtes Material. B, Fotografie der Kernoberfläche mit offenen Bauröhren und Hohlräumen, ein und B sind auf der gleichen Tiefenskala ausgerichtet. C, Nahaufnahme der Bauhöhle mit eiförmigen Pellets mit der gleichen Dichte wie das umgebende Sediment. Wir gehen davon aus, dass diese Pellets vom grabenden Organismus hergestellt wurden.

Erweiterte Daten Abb. 7 Die Wirkung der Bioturbation auf die 14 C-Rekonstruktion am Bølling-Übergang.

Um die möglichen Auswirkungen der Bioturbation zu bewerten, haben wir das TURBO2-Modell 149 (Methoden) verwendet. Als Eingabe verwendeten wir 1.024 simulierte Häufigkeitsvektoren (graues oberes Feld), die als normalverteilte Zufallswerte generiert wurden, die auf den besten linearen Trend zentriert und mit der Standardabweichung der beobachteten Häufigkeit von Foraminiferen im Kern MD95-2210 59 (oberes Feld) zentriert wurden. Wenn wir von einer konstanten Mischschichttiefe von 6 cm ausgehen, dann kann die beobachtete Änderung des 14 C-Alters mit angemessener Genauigkeit in TURBO2 reproduziert werden, indem ein hypothetisches wahres 14 C-Alter mit einer abrupten Änderung des 14 C-Alters vor 14,56 kyr aufgerufen wird (unteres Bild). Dieses Ergebnis ist kein Versuch, die wahre 14 C-Altersgeschichte abzuleiten, sondern vielmehr zu zeigen, dass die Wirkung der Bioturbation darin besteht, das wahre Ereignis zu verwischen. Infolgedessen wird unsere Rekonstruktion wahrscheinlich die Zeitskala des EIS-Zusammenbruchs überschätzen und seinen Beitrag zum globalen MWP-1A unterschätzen.

Erweiterte Daten Abb. 8 Bayessche Deglazialchronologie des norwegischen Festlandsockels.

Als Vorinformation sind alle Radiokarbondaten oder Wahrscheinlichkeitsdichtefunktionen von Sedimenteinheitsgrenzen in Phasen nach geografischem und/oder stratigraphischem Kontext gruppiert. Eine Phase bezieht sich in diesem Zusammenhang auf einen Rückzug (oder ein Vorrücken) des Eisschildes in einem bestimmten Gebiet. Die Phasen sind in einer Reihenfolge nach der relativen chronologischen Reihenfolge angeordnet. Die PDFs von unmodellierten konventionellen 14 C-Daten werden mit der neuen Norwegischen 14 C-Altersrekonstruktion (Abb. 2) kalibriert und sind hellgrau dargestellt. Dunkelgrau markiert das modellierte posteriori PDF mit den gleichen Daten. Rote PDFs zeigen die posteriori Alterswahrscheinlichkeiten undatierter Ereignisse, die den in Abb. 1 dargestellten rekonstruierten Eisrändern entsprechen.

Erweiterte Daten Abb. 9 Bayessche Deglazialchronologie des Barents-Svalbard-Eisschildes.

Als Vorinformation werden alle Radiokarbondaten oder Wahrscheinlichkeitsdichtefunktionen von Sedimenteinheitsgrenzen in Phasen nach geografischem und/oder stratigraphischem Kontext gruppiert. Eine Phase bezieht sich in diesem Zusammenhang auf einen Rückzug (oder ein Vorrücken) des Eisschildes in einem bestimmten Gebiet. Die Phasen sind in einer Reihenfolge nach der relativen chronologischen Reihenfolge angeordnet. Die PDFs von unmodellierten konventionellen 14 C-Daten werden mit der neuen Norwegischen 14 C-Altersrekonstruktion (Abb. 2) kalibriert und sind hellgrau dargestellt. Dunkelgrau markiert das modellierte posteriori PDF mit den gleichen Daten. Rote PDFs zeigen die posteriori Alterswahrscheinlichkeiten undatierter Ereignisse, die den in Abb. 1 dargestellten rekonstruierten Eisrändern entsprechen.

Erweiterte Daten Abb. 10 Vergleich zwischen Flächen-Volumen-Regressionen.

ein, Regressionslinien der Eisschildflächen- und Volumendaten, die verwendet wurden, um die EIS-Flächenrekonstruktion in Volumen mit der Regression von 30 durch sechs vorhandene Eisschilde (schwarz) und Regressionslinien (Polynomanpassungen 2. Ordnung) durch die EIS-Modellierungsausgabe von 31 (grün) zu konvertieren und lila). FIS, Fennoskandinavischer Eisschild BSIS, Barents Svalbard-Eisschild. B, Vergleich des durch die Regression von 30 geschätzten EIS-Volumens und einer polynomiellen Regression zweiter Ordnung der eisschildspezifischen Fläche-Volumen-Ausgabe aus einer transienten Modellsimulation des Wachstums und Zerfalls des EIS-Komplexes von 31 . C, Die entsprechenden Schmelzwasserflüsse. Farbcodes sind die gleichen wie in B.


Schau das Video: Der allgemeine Fall: Zusammenhänge belibiger nominalskalierter Variablen