MétaCan
Menu
Retour à la cohorte
Enregistrement W2975331126 · doi:10.5382/rev.16.03

Alteration Mapping in Exploration

2009· book-chapter· en· W2975331126 sur OpenAlexaff
A.J. Thompson, Phoebe L. Hauff, Audrey J. Robitaille

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensPetro-Canada
Organismes subventionnairesnon disponible
Mots-clésRemote sensingHyperspectral imagingAdvanced Spaceborne Thermal Emission and Reflection RadiometerVNIRElectromagnetic spectrumGeologySatelliteSpectral resolutionInfraredSpectral linePhysicsOpticsDigital elevation modelAstronomy

Résumé

récupéré en direct d'OpenAlex

Abstract Alteration mineral assemblages are important to the understanding of and exploration for hydrothermal ore deposits. Conventional mapping tools may not identify fine-grained minerals or define important compositional variations. Field portable shortwave infrared (SWIR) spectrometers solve some of these problems and provide a valuable tool for evaluating the distribution of alteration assemblages. Spectrometers such as the PIMA-II allow rapid identification of minerals and mineral-specific variations at a field base. Mineral assemblages, integrated with other exploration data, are then used to target drill holes and guide regional exploration programs. Data collection must be systematically organized and carried out by a trained operator. Analysis of data sets requires the use of spectral reference libraries from different geological environments and may be aided in some cases by computer data processing packages. Integration of results with field observations, petrography, and X-ray diffraction analysis is necessary for complete evaluation. The PIMA (portable infrared mineral analyzer) has been used successfully in the high-sulfidation epithermal, low-sulfidation epithermal, volcanogenic massive sulfide (VMS) and intrusion-related environments. Case studies from these systems demonstrate the ability to rapidly acquire and process SWIR data and produce drill logs and maps. The resulting information is critical for targeting.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0220,006

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,221
Écart entre enseignants0,180 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations126
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGeochemistry and Geologic MappingTravaux en français237 207