Using spatial derivatives of electromagnetic data to map lateral conductance variations in thin-sheet models: Applications over mine tailings ponds
Notice bibliographique
Résumé
ABSTRACT Mine waste, variable overburden, and the saprolite associated with nickel laterites have conductivity thicknesses (conductances) that vary laterally. In order for electromagnetic methods to be used to easily map lateral changes in conductance over thin-sheet-like bodies such as these, a simple conductance estimation method has been developed from Price’s equation. Through forward modeling, we found that assuming a uniform conductance and solving for an apparent conductance was sensitive enough to identify lateral conductance changes. The method was independent of the transmitter location, and each measurement provided a direct estimate of the apparent conductance below that station. The receiver can be moved around quickly allowing for lateral variations in apparent conductance to be determined efficiently. However, one of the required terms in the equation used is the vertical derivative of the secondary vertical magnetic field (dHzs/dz). The accurate measurement of spatial electromagnetic derivatives requires a good signal-to-noise ratio (S/N), which can be hampered by low derivative signal values. Field studies performed over a dry tailings pond in Sudbury, Ontario, Canada, showed that an S/N greater than three was achievable even with dHzs/dz values of less than 0.5 pT/(Am). Apparent conductance estimates revealed that the tailings had a large resistive zone associated with surface vegetation, which may be correlated with favorable growing conditions and/or less conductive or thinner tailing material. Larger apparent conductances in other areas may be related to zones of thicker tailings and/or more conductive material (possibly due to increased metal content). Further drilling and sampling work is required to answer these ambiguities. Regardless, mapping the conductance of a thin sheet is an important step toward assessing if there are leftover metals in mine waste. However, the developed method is general and can be used in many other situations involving laterally varying thin bodies.
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 | 0,001 |
| 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 ».