The Rocklea Dome 3D Mineral Mapping Test Data Set
Notice bibliographique
Résumé
Abstract. The integration of surface and subsurface geoscience data is critical for efficient and effective mineral exploration and mining. Publicly accessible data sets to evaluate the various geoscience analytical tools and their effectiveness for characterisation of mineral assemblages and lithologies or discrimination of ore from waste are however scarce. The open-access Rocklea Dome 3D Mineral Mapping Test Data Set (Laukamp, 2020; https://doi.org/10.25919/5ed83bf55be6a) provides an opportunity for evaluating proximal and remote sensing data, validated and calibrated by independent geochemical and mineralogical analyses, for exploration of channel iron deposits (CIDs) through cover. We present hyperspectral airborne, surface, and drill core reflectance spectra collected in the visible–near-infrared and shortwave infrared wavelength ranges (VNIR–SWIR; 350 to 2500 nm), as well as whole-rock geochemistry obtained by means of X-ray fluorescence analysis and loss-on-ignition measurements of drill core samples. The integration of surface with subsurface hyperspectral data collected in the frame of previously published Rocklea Dome 3D Mineral Mapping case studies demonstrated that about 30 % of exploration drill holes were sunk into barren ground and could have been of better use, located elsewhere, if airborne hyperspectral imagery had been consulted for drill hole planning. The remote mapping of transported Tertiary detritals (i.e. potential hosts of channel iron ore resources) versus weathered in situ Archaean bedrock (i.e. barren ground) has significant implications for other areas where “cover” (i.e. regolith and/or sediments covering bedrock hosting mineral deposits) hinders mineral exploration. Hyperspectral remote sensing represents a cost-effective method for regolith landform mapping required for planning drilling programmes. In the Rocklea Dome area, vegetation unmixing methods applied to airborne hyperspectral data, integrated with subsurface data, resulted in seamless mapping of ore zones from the weathered surface to the base of the CID – a concept that can be applied to other mineral exploration and mineral deposit studies. Furthermore, the associated, independent calibration data allowed the quantification of iron oxide phases and associated mineralogy from hyperspectral data. Using the Rocklea Dome data set, novel geostatistical clustering methods were applied to the drill core data sets for ore body domaining that introduced scientific rigour to a traditionally subjective procedure, resulting in reproducible objective domains that are critical for the mining process. Beyond the previously published case studies, the Rocklea Dome 3D Mineral Mapping Test Data Set has the potential to develop new methods for advanced resource characterisation and develop new applications that aid exploration for mineral deposits through cover. The white mica and chlorite abundance maps derived from airborne hyperspectral, presented here for the first time, highlight the additional applications of remote sensing for geological mapping and could help to evaluate newly launched hyper- and multispectral spaceborne systems for geoscience and mineral exploration.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,008 |
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 ».