Detecting fine-grained gold in pedogeochemical samples from the Fifteen Mile Stream gold property, Nova Scotia
Notice bibliographique
Résumé
Pedogeochemical exploration for gold is impeded by the 'nugget effect', a sampling error that causes extremely variable Au grades in geochemical analysis due to the collection of rare but large gold nuggets, adding noise to geochemical data that obscures dispersal patterns and makes exploration for gold extremely challenging. The conventional method used in avoiding the nugget effect involves taking large samples, because such samples likely contain numerous coarse gold nuggets, and thus exhibit reproducible grades and avoid the 'nugget effect'. An alternative method, developed in China for regional gold exploration in stream sediment samples involves a different rationale, and involves analyzing small samples. This method ostensibly circumvents the nugget effect, by lowering the probability of collecting the rare, large gold nuggets. In this research the small sample method was applied to B-horizon samples developed over a previously identified Au geochemical anomaly to determine if this approach can effectively be used in pedogeochemical exploration. Gold grades in 14 size fractions (from 0 to 250 μm) and sixteen 0.3 g replicate analyses from up to 30 soil samples have been compared. Results confirm that the small samples do contain variance-inducing coarse gold nuggets. This indicates that the small sample strategy does not produce an advantage over conventional (large sample) analysis in gold exploration. Although unsuccessful, this study provides significant insights regarding alternative approaches that could be successfully used in gold exploration.
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 | 0,001 |
| 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 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».