Current Techniques and Applications of Mineral Chemistry to Mineral Exploration; Examples from Glaciated Terrain: A Review
Notice bibliographique
Résumé
This paper provides a summary of traditional, current, and developing exploration techniques using indicator minerals derived from glacial sediments, with a focus on Canadian case studies. The 0.25 to 2.0 mm fraction of heavy mineral concentrates (HMC) from surficial sediments is typically used for indicator mineral surveys, with the finer (0.25–0.50 mm) fraction used as the default grain size for heavy mineral concentrate studies due to the ease of concentration and separation and subsequent mineralogical identification. Similarly, commonly used indicator minerals (e.g., Kimberlite Indicator Minerals—KIMs) are well known because of ease of optical identification and their ability to survive glacial transport. Herein, we review the last 15 years of the rapidly growing application of Automated Mineralogy (e.g., MLA, QEMSCAN, TIMA, etc) to indicator mineral studies of several ore deposit types, including Ni-Cu-PGE, Volcanogenic Massive Sulfides, and a variety of porphyry systems and glacial sediments down ice of these deposits. These studies have expanded the indicator mineral species that can be applied to mineral exploration and decreased the size of the grains examined down to ~10 microns. Chemical and isotopic fertility indexes developed for bedrock can now be applied to indicator mineral grains in glacial sediments and these methods will influence the next generation of indicator mineral studies.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 | 0,001 |
| 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 ».