Exploration geophysics for intrusion-hosted rare earth metals
Notice bibliographique
Résumé
Intrusion-related deposits of rare earth metals are characteristically associated with alkaline and carbonatitic intrusions, pegmatites and intrusive veins. Historically, intrusion-related rare earth metals have been discovered using a variety of exploration techniques and occasionally by chance. Geophysical methods have featured prominently. Here we present examples of geophysical signatures and case histories. Critical to the success of any geophysical method is the presence of a sufficiently large contrast in the rock properties of the investigated geological units. Rock properties of 28 minerals that may contain rare earth elements (REEs) in economic or potentially economic deposits (Castor and Hedrick, 2006) are indicated in the figure to the left. Properties are mainly from the Mineralogical Society of America (2010). Noticeable are the high densities of practically all of the minerals, with a 3 general range of 3.26 - 5.90 g/cm , significantly higher than that of common 3 crustal rocks 2.60 - 3.30 g/cm . Notable also are the facts that many minerals are radioactive, and practically all are non-magnetic. Based on these properties it seems that the gravity and radiometric techniques have the greatest potential for direct detection of REEs, but it must be recognized that such direct detection is very much dependant on the concentration of these minerals and the size of the deposit. It would appear, more commonly, that detection of rare earth metals, like detection of several other commodities, is achieved by first locating a prospective host for the mineralization. In this respect, as will be demonstrated following, the gravity, magnetic and radiometric techniques are all important exploration tools.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».