Geothermal favourability in data-scarce regions: incorporating physical and socio-economic factors into a modified Play fairway approach, southwestern Yukon, Canada
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Geothermal energy could be used to reduce or replace diesel for heating in remote northern communities. Geothermal development has primarily focused on shallow, high-temperature resources, but interest in low-temperature and deep geothermal resource exploration has increased as energy costs and climate change policy have evolved. Here, we evaluated the low-temperature geothermal favourability in southwestern Yukon by adapting Play fairway analysis to data-scarce regions. Play fairway analysis is a spatial statistical tool that uses a layered data approach to model favourability and risk assessments for resource exploration. Previous Play fairway analyses concentrate on the physical aspects of geothermal favourability: heat, permeability, and fluid availability. This study presents an overview of potential direct and indirect physical parameters that could be used in a geothermal Play fairway analysis in data-scarce regions and introduces the importance of considering socio-economic data in the exploration phase. The socio-economic controls are grouped into quantitative and qualitative parameters that describe population trends and community interests. The framework presented is then applied to a Play fairway analysis for southwestern Yukon. Based on the physical and socio-economic analysis, there is interest in exploring geothermal potential along the Denali fault near Duke River to support the community of Burwash Landing. Supplementary Information: The online version contains supplementary material available at 10.1186/s40517-025-00345-6.
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.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 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 découle