A review of hydrogeochemical techniques for mineral exploration: history, present and future
Notice bibliographique
Résumé
This review provides an overview of the application of hydrogeochemistry in mineral exploration by compiling learnings and knowledge from past and present research. It includes guidance on survey design, sampling methodologies, field data collection, analysis and interpretations. Hydrogeochemistry is a unique tool with the potential to detect and generate anomalies from mineral occurrences that are deeply emplaced or obscured by post-mineral cover. Pathfinder dispersion from mineral deposits commonly produces proximal and distal dispersion patterns; case studies have demonstrated anomalies detectable up to 10 km away from the deposit source. To date, case studies using streams and groundwaters have demonstrated water to be an effective geochemical medium for vectoring sources of Cu, Au, diamonds, base metals (Pb and Zn), U, and Ni–platinum group elements (PGEs) mineralization. Significant technological advances in sample analysis (detection limits) and drilling methods (for groundwaters) have dramatically increased the detectable plume associated with mineral deposits and reduced the time and cost of acquiring groundwater samples. Hydrogeochemistry is an effective early stage greenfield and regional survey mineral exploration assessment tool. As explorers target ever deeper prospects or enter areas of post-mineral cover, hydrogeochemistry should be at the forefront of an explorer's geochemistry toolbox.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 | 0,000 |
| 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 ».