Potential of legacy 2D seismic data for deep targeting and structural imaging at the Neves–Corvo massive sulphide‐bearing deposit, Portugal
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT Seismic methods are becoming an established choice for deep mineral exploration after being extensively tested and employed for the past two decades. To investigate whether the early European mineral‐exploration datasets had potential for seismic imaging that was overlooked, we recovered a low‐fold legacy seismic dataset from the Neves–Corvo mine site in the Iberian Pyrite Belt in southern Portugal. This dataset comprises six 4–6 km long profiles acquired in 1996 for deep targeting. Using today's industry‐scale processing algorithms, the world‐class, ca. 150 Mt, Lombador massive sulphide and other smaller deposits were better imaged. Additionally, we also reveal a number of shallow but steeply dipping reflections that were absent in the original processing results. This study highlights that legacy seismic data are valuable and should be revisited regularly to take advantage of new processing algorithms and the experiences gained from processing such data in hard‐rock environments elsewhere. Remembering that an initial processing job in hard rock should always aim to first obtain an overall image of the subsurface and make reflections visible, and then subsequent goals of the workflow could be set to, for example understanding relative amplitude ratios. The imaging of the known mineralization implies that this survey could likely have been among one of the pioneer studies in the world that demonstrated the capability of directly imaging massive sulphide deposits using the seismic method.
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.
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 | 0,000 |
| 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 découle