Multispectral image analysis for the prospection of metallic mineral deposits at the Boca del RioTacna, InchupullaPuno, Peru and Berens, Sturgeon, Ontario Canada Projects.*
Bibliographic record
Abstract
Este estudio se realizó en cuatro áreas de aproximadamente 50Km2 cada una, a excepción de Sturgeon que cubre un área de 312 Km2. Una en el departamento de Tacna, localizada al N del poblado Boca del río, otra en el departamento de Puno, al NO del poblado de Mazocruz, estas dos en Perú y se encuentran en ambientes áridos a semiáridos. Las otras dos zonas se localizan en Canadá, en la provincia de Ontario, la zona de Berens se ubica en el distrito de Kenora, mientras la zona de Sturgeon, en el distrito de Thunder Bay. Ambas se caracterizan por presentar una densa vegetación boreal que cubre la mayor parte de las zonas. Se aplicaron diferentes técnicas que han sido utilizadas para el reconocimiento de alteraciones hidrotermales Las combinaciones de bandas RGB y los cocientes de bandas son técnicas eficientes para la cartografía de alteraciones hidrotermales, minerales arcilloso y óxidos. Los índices de Ninomiya aplicados al subsistema SWIR y la cartografía espectral por clasificación supervisada SAM comparando firmas espectrales, demostraron ser más eficientes en zonas áridas a semiáridas. Para corroborar las áreas correspondientes a las alteraciones se tuvieron en cuenta los ensambles mineralógicos según el tipo de depósito mineral de cada zona, no obstante, en los proyectos de Canadá se corroboraron que estos se localizaran en zonas sin vegetación. Se encontraron seis posibles targets de exploración para sistemas IOCG en Tacna con alteración de óxidos de Fe y arcillas; cuatro targets para sistemas epitermales de baja sulfuración en Puno con alteraciones argílica, propilítica y presencia de óxidos de Fe; tres targets en Berens que coinciden con los datos de depósitos minerales del OSG y corresponden a sistemas VMS, para el caso de Sturgeon, los ensambles mineralógicos mapeados coinciden con zonas vegetadas, por lo tanto, no se indicaron posibles sistema mineral
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".