Tourmaline trace element composition in volcanogenic massive sulfide Cu-Zn-Pb and clastic-dominated Zn-Pb deposits with applications to mineral exploration
Notice bibliographique
Résumé
Tourmaline from thirteen volcanogenic massive sulfide (VMS) deposits, three clastic-dominated (CD) Zn Pb deposits, and four barren sediment-hosted tourmalinites were analyzed for major, minor, and trace elements to identify chemical criteria that distinguish tourmaline in VMS and CD deposits from other barren and mineralized environments. Tourmaline from VMS is mainly dravitic, with some deposits showing schorlitic and uvitic compositions, whereas CD Zn Pb and barren tourmalinite tourmaline spans the schorl-dravite transition and dravitic compositions, with few exceptions showing uvitic and foititic compositions. Tourmaline major element composition from VMS and CD is governed by heterovalent coupled substitutions, reflecting local processes specific to each deposit. In barren tourmalinites, the compositions are mainly controlled by the chemical composition of the host metasedimentary units. The VMS tourmaline shows higher Al, Mg, and V, whereas CD has higher Ca, Co, K, Mn, Li, La, Ce, Eu, Zn, and Pb; tourmalinites show higher Fe, Na, Ti, Sr, Cr, Sc, Sn, Ga, and Cu. A partial least-squares discriminant analysis (PLS-DA) model is used to classify VMS deposits, CD Zn Pb deposits, and barren tourmalinites. The results show that VMS tourmaline correlates with Mg, Sn, Ga, and V; CD Zn Pb tourmaline correlates with Pb, Zn, K, Mn, and Eu; and tourmaline from barren tourmalinites correlates with Fe, Ti, and Sr. These elements were used to build bivariate classification plots using element ratios that enhance the geochemical distinction of VMS and CD Zn Pb tourmaline from tourmaline in granite-related Sn W, orogenic gold, porphyry Cu-Mo-Au, iron oxide‑copper‑gold, and barren geological environments.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».