Detecting Buried Porphyry Cu Mineralization in a Glaciated Landscape: A Case Study from the Gibraltar Cu-Mo Deposit, British Columbia, Canada
Notice bibliographique
Résumé
Abstract At the Gibraltar porphyry Cu-Mo deposit in south-central British Columbia, Canada, geochemical and mineralogical anomalies in till around a cluster of mineral occurrences form amoeboid-shaped dispersal patterns controlled by three phases of ice movement. The glacial dispersal patterns defined by elevated concentrations of ore (Cu, Mo) and pathfinder (Ag, Zn) elements and alteration oxides (Al2O3, K2O) in the till matrix (clay and silt plus clay fractions) extend over areas of 6–36 km2 and are centered on the main economic mineralization. Mineralogical dispersal trains were identified by the high abundances of chalcopyrite, pyrite, jarosite, titanite, and epidote, which were derived from the mineralization and its associated oxidation and alteration zones. These mineralogical anomalies in till extend approximately 30 km2 for chalcopyrite, 62 km2 for jarosite, and up to 136 km2 for epidote. Epidote grains in till with a trace element composition of >10 ppm As, >4 ppm Sb, <200 ppm total rare earth elements (ΣREEs), <45 ppm Y, <100 ppm Sc + Cr + Y, and/or <2 ppm Th + Hf are interpreted as being either principally derived from the intrusive rocks or from hydrothermal alteration of the porphyry mineralization. Rare epidote grains with >30 ppm Cu, interpreted to be related to the porphyry Cu mineralization, were detected in till up to 7 km down-ice from the economic mineralization. This study demonstrates that till geochemistry and mineralogy, combined with geochemical analyses of specific minerals such as epidote, are efficient methods for identifying porphyry Cu mineralization in terrains covered by glacial sediments.
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) | 0,000 | 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) | 0,020 | 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 ».