Remote Predictive Mapping: An Approach for the Geological Mapping of Canada’s Arctic
Notice bibliographique
Résumé
Due to its vast territory and world-class mineral and energy potential, efficient methods are required for upgrading the geoscience knowledge base of Canada’s North. An important part of this endeavour involves updating geological map coverage. In the past, the coverage and publication of traditional geological maps of a limited region demanded multiple years of fieldwork. Presently more efficient approaches for mapping larger regions within shorter time spans are required. As a result, an approach termed Remote Predictive Mapping (RPM) has been implemented since 2004 in pilot projects by the Geological Survey of Canada. This project falls under the larger Geo-mapping for Energy and Minerals (GEM) program initiated by Natural Resources Canada. Remote predictive mapping comprises the compilation and interpretation (visual or computer-assisted) of a variety of geoscience data to produce predictive maps containing structural, lithological, geophysical, and surficial information to support field mapping. Predictive geological maps may be iteratively revised and upgraded to publishable geological maps on the basis of evolving insight by repeatedly integrating newly acquired field and laboratory data in the interpretation process. The predictive map(s) can also serve as a first-order geological map in areas where field mapping is not feasible or in areas that are poorly mapped. The fundamental difference between RPM and traditional ground-based mapping is that in the latter, the compilation of units away from field control (current and legacy field observations) is largely based on geological inference while in RPM this geological inference is repeatedly tested and calibrated against remote sensing imagery. Remote predictive mapping is of course not an entirely new philosophy for geological mapping. Geologists have long assembled diverse layers (primarily aerial photographs and aeromagnetic contour maps) of geoscience data to study the relationships between the spatial patterns for resource exploration and mapping endeavours. In the past this has been accomplished using an ‘analog’ approach, forcing maps printed on mylar to be portrayed on a uniform map scale on a light table. However, with the increasing availability of digital data sets and the routine use of geographic information systems (GIS), the task of studying relationships between data and producing innovative maps to assist field mapping has become easier and more versatile. Contrary to the ‘light table’ approach, GIS allow maps and image data to be combined, overlaid, and manipulated at any scale with any combination of layers and subjected to any integrated enhancement.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».