Modified spatial network approach to predict mobilisation emissions from upstream mineral exploration: applications to British Columbia’s critical mineral sector
Notice bibliographique
Résumé
• First methodology for predicting greenhouse gas emissions from mineral exploration. • Upstream mineral exploration industry classified into six key work activities. • Example greenhouse gas inventory as well as data products for decision-making. Reaching global climate targets and the energy transition will require new sources of critical minerals. Exploration and mining activities generate greenhouse gas (GHG) emissions, but the relative contribution of emissions from all portions of the mining value chain remains poorly understood. Here, we divide the upstream portion of the mining value chain (i.e., mineral exploration) into six activities, representative of most Scope 1 emissions. We present spatial methods to estimate GHG emissions for ground and air transport and apply these methods to constrain emissions of three of the six exploration activities. A ground-transport model is informed by a spatial network analysis finding least-cost paths and fuel economy; whereas the air-transport model is informed by straight-line proximity to start locations and aircraft burn rate. We use these models in two applications. First, producing continuous maps of a single exploration activity with an example of field work mobilisation in British Columbia, Canada (i.e., mobilising a single vehicle) that can be used in a comparative fashion, where emissions of the activity can be compared between any two points in the modelling area. Second, a detailed emissions estimation contrasting two hypothetical drill programs, analogous to a GHG inventory when fuel use is not detailed in exploration reports. The methods and example data products presented here demonstrate how large-scale emissions inventories could be completed for the upstream exploration sector and used to define exploration areas prospective for critical minerals that will generate the lowest amount of GHG emissions.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».