A multi‐parameter approach for recognition of anthropogenic noise in aeromagnetic data collected over populated areas: Erzgebirge, Germany
Notice bibliographique
Résumé
ABSTRACT Aeromagnetic data are routinely acquired by mineral exploration programmes. The objective is to obtain a raster image of the spatial variations of magnetic field intensity; these variations are associated with mineralogical variations in the subsurface. When the survey is conducted in a populated area, much of the signal, however, may be associated with anthropogenic sources such as buildings and roads. Identification and minimization of the anthropogenic‐related signal then are essential to derive a useful product for geological mapping. In this work, we examine a scalar magnetic dataset from Geyer, Saxony, and we apply five approaches for locating regions of anomalous anthropogenic signal: signal amplitude, absolute fourth difference, signal standard deviation, enhanced horizontal gradient and curvedness. All are shown to produce similar responses, and the summation of the five results compares favourably with the standard Keating kimberlite (circular anomaly) approach for detecting anthropogenic signals. Complications arise when geological features produce signals of similar amplitude to anthropogenic sources. Differentiating the probable origin of any specific pattern can be assessed by using a 2D shape index and increased flight height. Verification of an anthropogenic anomaly is achieved by comparison of anomalous solution grids with Geographic Information System‐based reference data.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».