Le immagini RapidEye nello studio del distretto minerario delle Colline metallifere
Bibliographic record
Abstract
L’attività mineraria è tra le attività industriali che maggiormente possono generare un rilevante impatto ambientale. La dispersione nell’ambiente di elementi tossici come i metalli pesanti è senz’altro l’impatto più rilevante. Nell’ultimo trentennio, la necessità di coniugare le attività produttive e lo sviluppo economico con la salvaguardia dell’ambiente ha stimolato, soprattutto in paesi come USA, Canada e Australia, numerosi studi volti a comprendere i meccanismi della dispersione e conseguente mappatura degli elementi tossici in conseguenza dell’attività mineraria, al fine di prevedere e prevenire le conseguenze, e/o proporre idonee misure di contenimento e risanamento. In questo contesto si inseriscono diversi studi che hanno come obiettivo quello di caratterizzare in maniera alternativa ed efficace queste aree inquinate, mediante tecniche di remote and proximal sensing. Soprattutto negli Stati Uniti, si è visto un crescente interesse nel utilizzo dei dati spettrali telerilevati per supportare la caratterizzazione e la bonifica di siti minerari inquinati, questo tipo di approccio aumenta l’efficienza del processo di risanamento del sito, risparmiando tempo e risorse preziose. In Italia sono pochi gli studi in tal senso e questo studio vuole essere un contributo in questo settore, utilizzando dei nuovi dati satellitari. L’area di studio è il distretto minerario delle Colline metallifere investigate con dati RapidEye, una costellazione di 5 satelliti artificiali eliosincroni allineati sulla stessa orbita e perfettamente identici che permettono l’acquisizione d’immagini alla risoluzione di 5 metri e in 5 bande multispettrali dal visibile al vicino infrarosso. L’analisi dei dati RapidEye mediante l’algoritmo SAM (Spectral Angle Mapper), che prevede l’utilizzo di una libreria di firme spettrali di minerali, ha consentito di mappare i principali minerali presenti nell’area. Quanto rilevato è in accordo con i dati di bibliografia e con i primi rilievi sul campo, tuttavia maggiori informazioni e conferme saranno possibili con il prosieguo della ricerca che prevede il prelievo dei campioni per le analisi mineralogiche – geochimiche.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".