Remote predictive mapping of surficial earth materials: Wager Bay North area, Nunavut - NTS 46-E (N), 46-K (SW), 46-L, 46-M (SW), 56-H (N), 56-I and 56-J (S)
Notice bibliographique
Résumé
Remote predictive mapping (RPM) of surficial earth materials in the Wager Bay North Area [NTS 046E (N), 046K (SW), 046L, 046M (SW), 056H (N), 056I and 056J (S)] was undertaken as part of the Geo-mapping for Energy and Minerals (GEM) Melville Peninsula Multiple Metals Project. A mosaic comprising seven separate LANDSAT TM 7 images was prepared for the classification of surficial materials. Training areas representative of 12 surficial material classes were identified through the use of airphoto interpretation, LANDSAT imagery and field knowledge of the mapping area. The statistical separability of the training areas with respect to spectral reflectance was evaluated using transformed divergence analysis. The Robust Classification Method (RCM) was used to classify the LANDSAT imagery producing a number of predictive maps of surficial materials. These maps were statistically analysed via a confusion matrix and associated measures of accuracy, then geologically evaluated through the use of airphotos in concert with field observations. The mapping of surficial materials using LANDSAT data is not without problems but does generate useful predictive maps that serve to focus and guide more detailed field mapping studies as well as providing information on surficial materials in extensive areas that cannot be field mapped. Incorporation of field knowledge and the expertise of Quaternary geologists are critical to the production of predictive maps of surficial materials through the entire remote predictive mapping process.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 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 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 ».