GEOSCAN, résultats de la recherche

Menu GEOSCAN


TitreData- and knowledge-driven mineral prospectivity maps for Canada's North
AuteurHarris, J R; Grunsky, E; Behnia, P; Corrigan, D
SourceOre Geology Reviews vol. 71, 2015 p. 788-803, https://doi.org/10.1016/j.oregeorev.2015.01.004
Année2015
Séries alt.Secteur des sciences de la Terre, Contribution externe 20140290
ÉditeurElsevier
Documentpublication en série
Lang.anglais
DOIhttps://doi.org/10.1016/j.oregeorev.2015.01.004
Mediapapier; en ligne; numérique
Formatspdf
ProvinceNunavut
SNRC46N; 46O; 47A/03; 47A/04; 47A/05; 47A/06; 47A/11; 47A/12; 47A/13; 47A/14; 47B/01; 47B/02; 47B/07; 47B/08; 47B/09; 47B/10; 47B/15; 47B/16
Lat/Long OENS -85.0000 -83.0000 69.0000 67.0000
Sujetsprospection; techniques de prospection; or; techniques de cartographie; établissement de modèles
Illustrationsgraphs; flow charts; location maps; geological sketch maps; magnetic maps
ProgrammeGestion de programme du corridor de Mackenzie, GEM2 : La géocartographie de l'énergie et des minéraux
Résumé(disponible en anglais seulement)
Data- and knowledge-driven techniques are used to produce regional Au prospectivity maps of a portion of Melville Peninsula, Northern Canada using geophysical and geochemical data. These basic datasets typically exist for large portions of Canada's North and are suitable for a "greenfields" exploration programme. The data-driven method involves the use of the Random Forest (RF) supervised classifier, a relatively new technique that has recently been applied to mineral potential modelling while the knowledge-driven technique makes use of weighted-index overlay, commonly used in GIS spatial modelling studies. We use the location of known Au occurrences to train the RF classifier and calculate the signature of Au occurrences as a group from non-occurrences using the basic geoscience dataset. The RF classification outperformed the knowledge-based model with respect to prediction of the known Au occurrences. The geochemical data in general were more predictive of the known Au occurrences than the geophysical data. A data-driven approach such as RF for the production of regional Au prospectivity maps is recommended provided that a sufficient number of training areas (known Au occurrences) exist.
Résumé(Résumé en langage clair et simple, non publié)
Cet article présente une nouvelle méthode de production de cartes montrant les régions ayant un potentiel plus élevé pour l¿exploration minérale. Elle est fondée sur une classification utilisant les venues aurifères pour prédire, à partir de différents types de données géoscientifiques, quelles zones présentent un potentiel plus élevé pour la prospection aurifère. On pourra utiliser cette méthode pour évaluer le potentiel minier de zones considérées pour l¿expansion de parcs fédéraux ou l¿emplacement de nouveaux parcs.
GEOSCAN ID295504