Notice bibliographique
Résumé
Because of the high costs and difficult logistics of geochemical surveys in remote regions, sediments collected from large streams must often suffice to determine the presence or absence of mineralization. Here we study this problem in Slesse Creek, a gold-rich river that drains north from the Mt. Baker District, Washington, USA, to enter the Chilliwack River, British Columbia, c . 90 km east of Vancouver. Anomalous Au values are derived from the abandoned Red Mountain Mine just south of the USA–Canada border. Sediments were collected from Slesse Creek and its tributaries, and from other large streams in the Chilliwack River basin. Concentrations of Au in tributaries from the Red Mountain Mine range from 250 to 2330 ppb and are much greater than in other tributaries. Sediments from Slesse Creek also have anomalous, but extremely erratic, Au values. This erratic distribution of Au is generally similar to that of magnetic grains and associated elements (e.g. V) but is negatively correlated with elements, such as Na, associated with light minerals. Results are interpreted as an evolution in sediment geochemistry from the tributaries to Slesse Creek: composition of the former appears to be controlled by source (i.e. geology) whereas geochemistry of sediments in Slesse Creek has been strongly modified by fluvial processes that concentrate Au and other heavy minerals. This shift from source- to process-related geochemistry invalidates the traditional geochemical dilution model and gives long anomalous dispersion trains for Au. These provide suitable targets for low-density regional surveys, but are difficult to interpret because of their erratic character. The contribution of fluvial processes to the concentration of Au can, however, be evaluated by comparison with elements such as V, that are associated with ubiquitous heavy minerals, or by plotting data on x – y – z source–process plots.
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 | 0,001 |
| 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) | 0,001 | 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 ».