Update of the Mineral Resources Data System for California including Mineral Deposit Types
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
There are more than 42,000 entries in the USGS Mineral Resources Data System (MRDS) for the State of California. Previously, the field for deposit type was sparsely populated, which made it difficult to evaluate mine sites needing environmental remediation. This has been rectified by populating the deposit type field using 100 deposit types cited in previous USGS publications, and 137 provisional deposit types described here. Other categories listed in the deposit type field include 29 types of mineral processing facilities, 6 miscellaneous categories used previously in MRDS, and 56 unclassified categories tied to primary commodity. References are provided for each deposit type, as available, including descriptive models, grade-tonnage models, and geo-environmental models. The new information on deposit type will be useful to federal, state, and local agencies concerned with prioritizing abandoned mine sites for environmental assessment. A version of the MRDS database for California with deposit types is provided in the files MRDS_CA_Enhanced_with_Deposit_Moel_Data.xlsx. and .csv. Other updates from the version of MRDS available at https://mrdata.usgs.gov/mrds/ include a column identifying duplicate entries (column C, dup_id) and improved consistency in columns representing commodity type (column K, com_type) and primary commodity (column L, commod1). No effort was made to remove or merge duplicate records. Deposit model number (column X, model_no) and model name (column Y, model_name) are explained in the metadata, and in tables 2 through 7. A data dictionary for tables 2 through 7 is provided in table 1. Table 2 T2_Depsosit-type-comparison.xlsx and .csv includes a comparison of USGS model types and provisional model types described here with mineral deposit classification systems used in Brazil and Canada. Table 3 T3_California-deposit-types.xlsx and .csv includes reference citations for the USGS deposit types identified in California, information on commodities and tectonic classification, and an example of each deposit type in California and outside California. Table 4 T4_Provisional-deposit-types.xlsx and .csv lists descriptions of provisional deposit types and an example within California. Table 5 T5_Miscellaneous-categories.xlsx and .csv lists several miscellaneous categories included in MRDS. Table 6 T6_Deposit-types-by-county.xlsx and .csv lists the number of occurrences of each deposit type in each of the 58 counties of California. Table 7 T7_Deposit-types-by-county-sorted-by-abundance.xlsx and .csv lists the same information as in Table 6 sorted by the total number of occurences of each deposit type. The file References_Tables2-4.pdf includes references cited in Tables 2, 3, and 4.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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 | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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