Gold in Plant: A Biogeochemical Approach in Detecting Gold Anomalies Undercover- A Case Study at Pelangio Gold Project at Mamfo Area of Brong Ahafo, Ghana
Notice bibliographique
Résumé
Many plants have the ability to take up gold from soils and accumulate them in their tissues. Their concentrations and distributions reflect the nearby gold deposits masked by complex regolith. The 50 vegetation samples collected at Pelangio Tepa concession recorded low and subtle gold (Au) concentrations of 0.2 to 10.4 ppb at Pokukrom target, 0.3 to 28.3 ppb at Nfante East target and 0.1 to 1.7 ppb at Subriso target. Each target area had different concentration populations enough to distinguish the anomalous areas from the background contrary to Au-geochemical expressions derived from the gold in soils. So many uncertainties were placed on the soil-Au-geochemistry because the defined anomalies were not strong and generally appear patchy, weak and subtle that led to the assumption of no associated bedrock mineralisation. The gold in plant samples confirmed the Pokukrom anomaly that has been drilled and known to relate to underlying mineralisation. Much better and robust anomaly was defined by the biogeochemical Au data in plants sampled and analysed for Au at Nfante East target and isolated high patchy anomalies were identified at Subriso area. The case study at Pelangio Mamfo project reveals and recommends the significant application of biogeochemistry in mineral exploration particularly in the field of gold prospecting at the regional exploration stage and endorses it as being practically feasible in regolith-dominated terrains where regolith-landform modifications may impact on the true geochemistry in anomaly delineation. Keywords: Biogeochemistry, Regolith-Dominated-Terrain, Plant, Gold, Pelangio
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».