Potential of legacy 2D seismic data for deep targeting and structural imaging at the Neves–Corvo massive sulphide‐bearing deposit, Portugal
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».