| Titre | A deep learning approach to the detection of gossans in the Canadian Arctic |
| |
| Auteur | Clabaut, É; Lemelin, M; Germain, M; Williamson, M -C ; Brassard, É |
| Source | Remote Sensing vol. 12, issue 19, 3123, 2020 p. 1-16, https://doi.org/10.3390/rs12193123  Accès ouvert |
| Image |  |
| Année | 2020 |
| Séries alt. | Ressources naturelles Canada, Contribution externe 20200423 |
| Éditeur | MDPI |
| Document | publication en série |
| Lang. | anglais |
| DOI | https://doi.org/10.3390/rs12193123 |
| Media | papier; en ligne; numérique |
| Formats | pdf; html |
| Province | Territoires du Nord-Ouest; Nunavut |
| SNRC | 26; 27; 36; 37; 38; 39; 45; 46; 47; 48; 49; 55; 56; 57; 58; 59; 65; 66; 67; 68; 69; 75; 76; 77; 78; 79; 85; 86; 87; 88; 340; 560 |
| Région | Canadian Arctic Islands; Axel Heiberg Island; île de Baffin; Melville Peninsula; Southamnpton Island; Wager Bay; Baker Lake; Coronation Gulf; Napaktulik Lake |
| Lat/Long OENS | -116.0000 -64.0000 81.0000 63.0000 |
| Sujets | chapeaux ferrugineux; gisements minéraux; gîtes sulfureux; prospection minière; méthodes d'exploration; télédétection; imagerie par satellite; techniques de cartographie; modèles; Méthodologie;
Intelligence artificielle; l'apprentissage machine; géologie des dépôts meubles/géomorphologie; géologie économique; géophysique; Sciences et technologie; Nature et environnement |
| Illustrations | coupes schématiques transversales; cartes de localisation; tableaux; représentations schématiques; organigrammes; modèles; graphiques; imagerie satellitaire; spectres |
| Programme | Division de la CGC du Centre du Canada |
| Diffusé | 2020 09 23 |
| Résumé | (disponible en anglais seulement)
Gossans are surficial deposits that form in host bedrock by the alteration of sulphides by acidic and oxidizing fluids. These deposits are typically a few
meters to kilometers in size and they constitute important vectors to buried ore deposits. Hundreds of gossans have been mapped by field geologists in sparsely vegetated areas of the Canadian Arctic. However, due to Canada's vast northern landmass,
it is highly probable that many existing occurrences have been missed. In contrast, a variety of remote sensing data has been acquired in recent years, allowing for a broader survey of gossans from orbit. These include band ratioing or methods based
on principal component analysis. Spectrally, the 809 gossans used in this study show no significant difference from randomly placed points on the Landsat 8 imageries. To overcome this major issue, we propose a deep learning method based on
convolutional neural networks and relying on geo big data (Landsat-8, Arctic digital elevation model lithological maps) that can be used for the detection of gossans. Its application in different regions in the Canadian Arctic shows great promise,
with precisions reaching 77%. This first order approach could provide a useful precursor tool to identify gossans prior to more detailed surveys using hyperspectral imaging. |
| Sommaire | (Résumé en langage clair et simple, non publié)
Les chapeaux de fer sont des sols très altérés, riches en fer, qui recouvrent le socle rocheux. Ces dépôts de surface se forment par
l'altération des sulfures par des fluides acides et oxydants. Des centaines de chapeaux de fer ont été cartographiés par des géologues dans les zones à végétation clairsemée de l'Arctique canadien. Dans cet article, nous proposons d'utiliser une
méthode d'apprentissage approfondie basée sur le Geo Big Data pour la détection des chapeaux de fer. Cette approche de premier ordre de télécartographie prédictive des chapeaux de fer constitue fournit un outil précurseur utile pour les études
détaillées ciblant les minéraux critiques. |
| GEOSCAN ID | 327241 |
|
|