Utilization of Space-Borne Imagery for Lithologic Mapping: A Case Study From Um Had Area, Central Eastern Desert, Egypt
Notice bibliographique
Résumé
Remote sensing data are used to discriminate between the different lithologies covering the Um Had area, Central Eastern Desert of Egypt. Image processing techniques applied to the Enhanced Thematic Mapper (ETM+) data are used for mapping and discriminating the different basement lithologies of Um Had area. Principal component analysis (PCA), minimum noise fraction (MNF) transform and band rationing techniques provide efficient data for lithological mapping. The study area is underlain by gneisses, ophiolitic melange assemblage (talc-serpentinite, metagabbro, metabasalt), granitic rocks, Dokhan volcanics, Hammamat sediments and felsites. The resulting gray-scale PC2, PC3 and PC4 images are best to clearly discriminate the Hammamat sediments, amphibolites and talc-serpentinites, respectively. The gray-scale MNF3 and MNF4 images easily discriminate the felsites and talc-serpentinites, respectively. The band ratio 5/7 and 4/5 images are able to delineate the talc-serpentinites and Hammamat sediments, respectively. Information collected from gray-scale and false color composite images led to generation of detailed lithologic map of Um Had area.
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 | 0,001 | 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) | 0,000 | 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; 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 ».