Data driven frequency ratio modeling for iron-ore exploration using aster and aeromagnetic datasets in parts of Nasarawa, Northcentral Nigeria
Notice bibliographique
Résumé
This study used an integrated approach combining aeromagnetic, geological and remote sensing methods to analyze subsurface structures associated with Iron Ore mineralization in part of Akwanga, Nasarawa Northcentral Nigeria. The frequency ratio model (FR) was used to assign weights to different layers of evidence and develop a conceptual model of mineralization potential. Magnetic data enhancement techniques, including reduction to equator (RTE) and upward continuation (UC), were applied using Oasis Montaj™ software. Subsurface geological structures were revealed, and Euler Deconvolution estimated depths to magnetic sources. Band ratio analysis using ASTER Bands 2/1 (ferric oxide), 5/3+1/2 (ferrous oxide) and 7/5 (clay mineral) was employed to determine the hydrothermal alteration of Iron Ore. Principal Component Analysis (PCA) was applied to ASTER bands 1, 3, 5, 8 for propylitic alteration, Bands 1, 3, 4, 6 for Argillic alteration, and Bands 1, 2, 3, 4 for iron oxide alteration. A predictive model for mineralization potential was developed using a data-driven approach, considering critical factors such as lithology, hydrothermal alteration, lineament density, magnetic anomalies, and slope, and implemented using ArcMap 10.8. The model was trained on 70% of the Iron Ore exposure data and tested on the remaining 30%. Validation was performed using the area under curve (AUC) method, achieving an accuracy of 72%. The Iron Ore potential map generated from the model demarcated the study area into five potential zones: very low, low, moderate, high, and very high potential zones. The study successfully identified areas with high potential for Iron Ore mineralization, primarily structurally controlled. The developed model serves as a valuable reference and guide for future exploration and planning activities, and recommendations are made for further refinement and improvement.
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 | 0,002 |
| 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 ».