mineral exploration machine learning

التنقيب عن المعادن والتعلم الآلي

تسرد هذه الصفحة الموارد المخصصة للتنقيب عن المعادن والتعلم الآلي، بشكل عام مع التعليمات البرمجية والأمثلة المفيدة. يعد تعلم الآلة وعلوم البيانات مجالًا ضخمًا، وهذه هي الموارد التي وجدتها مفيدة و/أو مثيرة للاهتمام بالنسبة لي في الممارسة العملية. الروابط الحالية إلى شوكة المستودع هي لأنني قمت بتغيير شيء ما لاستخدامه ووضع قائمة للرجوع إليه. يتم أيضًا توفير الموارد لتحليل البيانات وتحويلها وتصورها لأن هذا هو معظم العمل.

نرحب بالاقتراحات: افتح مناقشة أو إصدار أو طلب سحب.

جدول المحتويات

• الاحتمالية
• الجيولوجيا
• معالجة اللغات الطبيعية
• الاستشعار عن بعد
• جودة البيانات
• مجتمع
• مقدمي الخدمات السحابية
• المجالات
• ملخص
• خدمات الويب
• بوابات البيانات
• أدوات
• الأنطولوجيات
• كتب
• مجموعات البيانات
• أوراق
• آخر
• المصلحة العامة

رسم خريطة

• خريطة جيثب

الأطر

• إطار عمل UNCOVER-ML
  • الموجات الجغرافية
  • ML- المعالجة المسبقة
  • سير عمل نظم المعلومات الجغرافية ML
• مجموعة أدوات EIS -> مكتبة بايثون لرسم خرائط التنقيب عن المعادن من مشروع EIS Horizon EU
• PySpatialML -> المكتبة التي تسهل التنبؤ والتعامل مع التعلم الآلي النقطي تلقائيًا لـ Geotiff، وما إلى ذلك.
• خريطة scikit
• TorchGeo -> مكتبة Pytorch لنماذج أسلوب الاستشعار عن بعد
• terratorch -> إطار ضبط مرن لنماذج الأساسات الجغرافية المكانية
• الشعلة المكانية
  • ورق
• Geodl
• التعلم العميق الجغرافي -> إطار عمل بسيط للتعلم العميق يعتمد على RGB
• مساعد: الذكاء الاصطناعي لتفكيك التطرف
• ExPloRA -> ExPLoRA: تدريب مسبق ممتد ذو كفاءة في استخدام المعلمات لتكييف محولات الرؤية في ظل تحولات المجال
  • موقع إلكتروني
  • ورق
• (https://www.researchgate.net/profile/Miguel-Angel-Fernandez-Torres/publication/381917888_The_AIDE_Toolbox_Artificial_intelligence_for_d isentangling_extreme_events/links/66846648714e0b03153f38ae/The-AIDE-Toolbox-Artificial-intelligence-for-disentangling-extreme-events.pdf)

ر

• CAST -> تطبيقات علامة الإقحام للنماذج المكانية والزمانية
• Geodl -> التجزئة الدلالية للبيانات الجغرافية المكانية باستخدام التعلم العميق القائم على الشبكة العصبية التلافيفية
  • ورق

خطوط الأنابيب

• Geotargts -> تمديد الأهداف إلى الأرض والنجوم

الاحتمالية

أستراليا

• خرائط إمكانات معادن أكسيد الحديد والنحاس والذهب
• التعلم الآلي لرسم الخرائط الجيولوجية: الخوارزميات والتطبيقات -> أطروحة دكتوراه مع التعليمات البرمجية والبيانات
• رسم الخرائط الاحتمالية لـ Ni-Co Laterites
• البرنامج التعليمي لتحويل 2022 -> مثال عشوائي للغابات
  • فيديو
• القصدير التنغستن
  • تعاون
• الاستكشاف المكاني والزماني للنحاس السماقي
  • ورق
• minpot-toolkit -> مثال على تحليل حدود Hoggard et al Lab باستخدام النحاس الرسوبي
• MPM-WofE -> رسم الخرائط المحتملة للمعادن - أوزان الأدلة

تحدي المستكشف

• تحدي المستكشف -> تجري شركة OZ Minerals منافسة مع مقدمة لعلم البيانات

جنوب أستراليا

• Gawler_MPM -> الكوبالت والكروم والنيكل
  • ورق
• تجميع البيانات الجيوفيزيائية في كراتون جولر
  • [بيانات Zenodo] (الكشف الآلي عن هياكل الكراتون المرتبطة بالتمعدن باستخدام البيانات الجيوفيزيائية والتعلم الآلي غير الخاضع للرقابة)

اكتشف SA - مسابقة وزارة الطاقة والتعدين بجنوب أستراليا

• الفائزون -> معلومات بيانات SARIG
• كالديرا -> تحليل تحليلات كالديرا
• إنسيرتوداتا
• بتروورث وبارنيت -> دخول بتروورث وبارنيت
• رسم خرائط التمعدن المستندة إلى البيانات

أمريكا الشمالية

كندا

• نقل الاحتمالية Learnnig
  • ورقة -> رسم خرائط التنقيب عن المعادن من النوع السماقي مع بيانات غير متوازنة من خلال تعلم النقل الجيولوجي المسبق

أمريكا الجنوبية

• التعلم الآلي لتصنيف رواسب الخام من الخصائص التكتونية

البرازيل

• Mapa Preditivo -> مشروع طلابي في البرازيل
• Course_Predictive_Mapping_USP -> مشروع الدورة التدريبية
• رسم خرائط الاحتمالية المعدنية
• أوزان الأدلة ثلاثية الأبعاد
• التعقيد الجيولوجي SMOTE -> يتضمن التحليل الكسري
  • ورق
• MPM جورينا -> مقاطعة جورينا المعدنية

الصين

• MPM عن طريق التعلم الجماعي -> منطقة Qingchengzi Pb-Zn-Ag-Au المتعددة المعادن في الصين
• التنبؤ باحتمالية المعادن الشبكات العصبية التلافيفية -> مثال CNN مع عدد قليل من البنى [ورقة بحثية لهذا المؤلف تستخدم GoogleNet]
• التنبؤ بالاحتمالية المعدنية بواسطة CSAE
• التنبؤ بالاحتمالية المعدنية بواسطة CAE
  • ورق

السودان

• رسم خرائط التنقيب عن المعادن ML

النرويج

• نهج قائم على التعلم الآلي لرسم الخرائط على المستوى الإقليمي للطين الجليدي البحري الحساس الذي يجمع بين البيانات الكهرومغناطيسية المحمولة جواً والبيانات الجيوتقنية
  • ورق

الجيولوجيا

• الخرائط الجيولوجية التنبؤية في البرازيل -> عمل هيئة المسح الجيولوجي في البرازيل
• من العمق إلى الأساس (تقييم أساليب التعلم الآلي الممكّنة مكانيًا لرسم خرائط العمق إلى الأساس)
  • ورق
• DL-RMD -> قاعدة بيانات نموذج المقاومة الكهرومغناطيسية المقيدة جيوفيزيائيًا لتطبيقات التعلم العميق
• مصنف الصور الجيولوجية
• رسم الخرائط الجيولوجية في عصر الذكاء الاصطناعي -> رسم الخرائط الجيولوجية في عصر الذكاء الاصطناعي
• GeolNR -> التمثيل العصبي الجيولوجي الضمني لتطبيقات النمذجة الجيولوجية الهيكلية ثلاثية الأبعاد
  • ورق
• Mapeamento_litologico_preditivo
• رسم خرائط لظروف الضغط ودرجة الحرارة في الوشاح الصخري العالمي باستخدام القياس الحراري للتعلم الآلي
  • ورق
• الكتابة الصخرية العصبية
• عدم اليقين الجيولوجي في West Musgraves -> التنبؤ بخريطة عدم اليقين مع تحليل الإنتروبيا: مفيد للغاية
• محول التخفيف غير الثابت
  • التعاون -> دفتر الملاحظات
    • ورق
• حجر الأساس مقابل الرواسب
  • ورق
• autoencoders_remotesensing
  • ورقة -> إطار الاستشعار عن بعد لرسم الخرائط الجيولوجية عبر أجهزة التشفير التلقائية والتجميع

بيانات التدريب

• في Noddyverse -> مخزن بيانات ضخم للنماذج الجيولوجية ثلاثية الأبعاد لتطبيقات التعلم الآلي والانعكاس
  • مستودع زينوندو
  • موقع إلكتروني

علم الصخور

• ليثولوجيا التعلم العميق
• توقع الصخور بروتوليث
• تنبؤات الجيولوجيا الصخرية SA
• الارتباط الآلي لسجل الآبار
• dawson-fcies-2022 -> نقل التعلم للصور الجيولوجية
  • ورقة -> تأثير حجم مجموعة البيانات وبنية الشبكة العصبية التلافيفية على نقل التعلم لتصنيف الصخور الكربونية
• تصنيف الليثو -> تصنيف السحنات البركانية باستخدام الغابة العشوائية
• نهج التعلم الآلي للمجموعات متعددة العرض للنمذجة ثلاثية الأبعاد باستخدام البيانات الجيولوجية والجيوفيزيائية
  • ورق
• سيد نت
  • ورق

حفر

• الحفر غير المتجانس - تقرير مشروع Nicta/Data61 للنظر في النمذجة باستخدام ثقوب الحفر التي لا تصل إلى حد كافٍ
• كوريل -> نموذج رؤية حاسوبي ذكي يحدد الوجوه وينفذ الكتابة الصخرية على الصور الأساسية

الأودية القديمة

• Sub3DNet1.0: نموذج للتعلم العميق لرسم خرائط البنية تحت السطحية ثلاثية الأبعاد على المستوى الإقليمي

الطبقات

• Predicatops -> الإسناد الطبقي المصمم للهيدروكربون
• الهندسة الطبقية -> التنبؤ بالهندسة الطبقية من سجلات الآبار الجوفية

الهيكلية

• APGS -> حزمة الجيولوجيا الإنشائية
• تقييم نماذج إعادة بناء اللوحة باستخدام اختبارات اتساق القوة الدافعة للوحة -> دفتر Jupyter وبياناته
  • ورق
• com.gplately
• [كتاب طبخ الجيولوجيا الهيكلية](https://github.com/gcmatos/structural-geology-cookbook]
• GEOMAPLEARN 1.0 -> اكتشاف الهياكل الجيولوجية من الخرائط الجيولوجية باستخدام التعلم الآلي
• تعلم الخطوط -> التنبؤ بالأخطاء ورسم الخرائط من خلال التعلم العميق والتجميع الميداني المحتمل
• LitMod3D -> النمذجة التفاعلية الجيوفيزيائية والبترولية ثلاثية الأبعاد للغلاف الصخري والوشاح العلوي الأساسي
• آحرون

محاكاة

• GebPy -> توليد البيانات الجيولوجية للصخور والمعادن
• OpenGeoSys -> تطوير الطرق العددية لمحاكاة العمليات الحرارية والميكانيكية والكيميائية (THMC) في الوسائط المسامية والمكسورة
• Stratigraphics.jl -> إنشاء طبقات ثلاثية الأبعاد من عمليات إحصائية جغرافية ثنائية الأبعاد

الديناميكا الجيولوجية

• الأراضي الوعرة -> ديناميكيات الحوض والمناظر الطبيعية
• CitcomS -> كود العناصر المحدودة المصمم لحل مشاكل الحمل الحراري الكيميائي الحراري القابلة للضغط ذات الصلة بوشاح الأرض.
• LaMEM -> محاكاة العمليات الجيوديناميكية الحرارية والميكانيكية المختلفة مثل التفاعل بين الوشاح والغلاف الصخري
• PTatin3D -> دراسة العمليات طويلة المدى ذات الصلة بالديناميكية الجيولوجية [الدافع الأصلي: مجموعة أدوات قادرة على دراسة نماذج عالية الدقة وثلاثية الأبعاد لتشوه الغلاف الصخري]
• العالم السفلي -> نمذجة العناصر المحدودة للديناميكا الجيولوجية

الجيوفيزياء

نماذج التأسيس

• التكيف مع نموذج الأساس عبر المجالات: نماذج الرؤية الحاسوبية الرائدة لتحليل البيانات الجيوفيزيائية -> بعض التعليمات البرمجية القادمة
  • ورق
• نموذج الأساس الزلزالي -> "جيل جديد من نموذج التعلم العميق في الجيوفيزياء"

أستراليا

عمق الثرى

• عمق الثرى -> النموذج
• استكمال شبكة القياسات الإشعاعية في أستراليا مع نموذج ملء الفراغات

الاستيفاء AEM

• رسم خرائط الموصلية عالية الدقة باستخدام مسح AEM الإقليمي
  • خلاصة

الكهرومغناطيسية

• TEM-NLnet: شبكة عميقة لتقليل الضوضاء للإشارة الكهرومغناطيسية العابرة مع التعلم بالضوضاء

الانقلاب

• التعلم الآلي والانعكاس الجيوفيزيائي -> إعادة بناء الورقة من Y. Kim وN. Nakata (The Leading Edge، المجلد 37، العدد 12، ديسمبر 2018)

تفكيك أويلر

• https://legacy.fatiando.org/gallery/gravmag/euler_moving_window.html
  • نسخة هارمونيكا في نهاية المطاف؟ https://hackmd.io/@fatiando/development-calls-2024?utm_source=preview-mode&utm_medium=rec
• https://notebook.community/joferkington/tutorials/1404_Euler_deconvolution/euler-deconvolution-examples
• https://github.com/ffigura/Euler-deconvolution-plateau

جاذبية

• [استعادة تضاريس الطابق السفلي ثلاثية الأبعاد باستخدام بيانات الجاذبية من خلال الشبكات العصبية التلافيفية]
  • بيانات
  • ورق
• استمرار هبوطي مستقر لمجال الجاذبية الذي تم تنفيذه باستخدام التعلم العميق
  • ورق
• تصوير سريع لهياكل الكثافة ثلاثية الأبعاد من خلال نهج التعلم الآلي
  • ورق

المغناطيس

• خريطة هوائية مغناطيسية عالية الدقة من خلال Adapted-SRGAN
  • ورق
• MagImage2Geo3D
  • ورق

زلزالي

• StorSeismic -> أسلوب للتدريب المسبق للشبكة العصبية لتخزين ميزات البيانات الزلزالية
• PINNtomo -> التصوير المقطعي الزلزالي باستخدام الشبكات العصبية المستنيرة بالفيزياء
  • ورق

علم الزلازل

• obspy -> إطار المعالجة الزلزالية

بتروفيزياء

• ML4Rocks -> بعض الأعمال التمهيدية

التكتونية

• تمييز انفصال البلاطة المندسة في منطقة الاندساس القديمة باستخدام التعلم الآلي -> دفتر الملاحظات
  • com.Figshare
• دفتر ملاحظات Colab -> ملف إدخال Google Colab للحصول على نتائج قياس الأداء لنشر ML-SEISMIC
  • ورق
• إطلاق العنان لقوة التعلم الآلي في الديناميكا الجيولوجية
  • أطروحة مرتبة الشرف ذات الصلة
• Physics-Infomred الشبكات العصبية لمحاكاة الانزلاق الخاطئ مع قانون احتكاك المعدل والحالة
  • المحاكاة وتقدير معاملات الاحتكاك على أحداث الانزلاق البطيء
  • ورقة -> التعلم العميق المستنير بالفيزياء لتقدير التوزيع المكاني لمعلمات الاحتكاك في مناطق الانزلاق البطيء

الجيوكيمياء

• CODAinPractice -> تحليل البيانات التركيبية عمليًا
• جيوكودا
• DAN-GRF -> شبكة تشفير تلقائي عميقة متصلة بغابة عشوائية جغرافية للكشف عن الشذوذ الجيوكيميائي المكاني
  • ورق
• داش التنقيب الجيوكيميائي -> تطبيق ويب يصنف رواسب التدفق باستخدام وسائل K
• تعزيز القياس الحراري للتعلم الآلي للصهارة الحاملة للكلينوبيروكسين
  • ورق -> تعزيز-ML-القياس الحراري لصهارة كلينوبيروكسين
• نماذج خصوبة الزركون -> أشجار القرار للتنبؤ بخصوبة الزركون من رواسب النحاس السماقي
  • ورق
• أداة التعلم الآلي للعنصر الزركوني للتنبؤ بنوع رواسب الحجر السماقي وحجم المورد
  • أرشيف زينودو
  • ورق
• geology_class0 -> نهج التعلم الآلي للتمييز بين الصخور النارية ورواسب الخام بواسطة العناصر النزرة من الزركون
  • ورق
  • تطبيق تجريبي
  • https://colab.research.google.com/drive/1-bOZgG6Nxt2Rp1ueO1SYmzIqCRiyyYcT
• طباعة جيوكيم
  • ورق
• الجيوكيمياء العالمية
• ICBMS Jacobina -> تحليل كيمياء البيريت من رواسب الذهب
• تفسير كيمياء العناصر النزرة للزركون من بور وكوكارو بيكي: النهج التقليدي والتصنيف العشوائي للغابات
• مؤشر_المعادن -> هل يستطيع PCA أن يروي قصة أصل التورمالين؟
• مجلة الاستكشاف الجيوكيميائي – المنوع
• LewisML -> تحليل تشكيل لويس
• ميكا -> التركيب الكيميائي، باللون اللامع
• التحليل الإحصائي متعدد المتغيرات ونمذجة شبكة الانحراف المخصصة للكشف عن الشذوذ الجيوكيميائي للعناصر الأرضية النادرة
  • ورق
• رسم خرائط احتمالية للعناصر الأرضية النادرة من خلال تحليل البيانات الجيوكيميائية -> رسم خرائط احتمالية للعناصر الأرضية النادرة من خلال تحليل البيانات الجيوكيميائية
• QMineral Modeller -> مساعد افتراضي للكيمياء المعدنية من هيئة المسح الجيولوجي البرازيلية
• التغيرات العلمانية في حدوث الاندساس خلال العصر الأركي -> أرشيف كود زينودو
  • [ورقة] https://www.researchgate.net/publication/380289934_Secular_Changes_in_the_Occurrence_of_Subduction_During_the_Archeanمنهج التعلم الآلي للتمييز بين الصخور النارية ورواسب الخام بواسطة العناصر النزرة من الزركون

كريجينج

• DKNN: شبكة عصبية عميقة من أجل الاستيفاء الجغرافي المكاني القابل للتفسير
  • ورق

معالجة اللغات الطبيعية

• استخراج النص -> استخراج النص من المستندات: ML مدفوع كخدمة، ولكنه يعمل بشكل جيد للغاية، ويمكنه استخراج الجداول بكفاءة
  • نطاق واسع -> إصدار واسع النطاق
• وضع العلامات على مفهوم ناسا -> التنبؤ بالكلمات الرئيسية
  • واجهة برمجة التطبيقات (API) -> خدمة ويب واجهة برمجة التطبيقات (API).
  • عرض تقديمي
• تقرير بتروغرافيا مستخرج البيانات
• نمذجة موضوع الاستكشاف SA -> نمذجة الموضوع من تقارير الاستكشاف
• ستراتيغراف
• جيوكوربوس
• بيرت البرتغالية
• بيرت سي دبليو اس
  • ورق
• الاستخراج الآلي لنتائج الحفر الخاصة بشركة التعدين
  • ورقة المؤتمر

تضمينات الكلمات

• نماذج لغة علوم الأرض -> معالجة مسارات التعليمات البرمجية والنماذج [Glove, BERT) التي تم إعادة تدريبها على وثائق علوم الأرض من كندا
  • مجموعات البيانات -> بيانات لدعم النماذج
  • ورقة -> نماذج لغة علوم الأرض وتقييمها الجوهري
  • ورقة -> تطبيقات معالجة اللغة الطبيعية على البيانات النصية لعلم الأرض والنمذجة الاحتمالية
• GeoVec -> تم تدريب نموذج تضمين الكلمات على 300 ألف ورقة بحثية في علوم الأرض
  • نموذج GeoVec -> تخزين OSF لنموذج GeoVec
  • ورق
  • GeoVecto Litho -> استيفاء النماذج ثلاثية الأبعاد من تضمينات الكلمات
  • ملعب GeoVEC -> العمل مع نموذج تضمين كلمات قفاز Padarian GeoVec
• GloVe -> مكتبة Standford لإنتاج تضمينات الكلمات
  • GloVE python glove، glove-python يمثل مشكلة كبيرة على نظام التشغيل Windows: هنا يتم تثبيت الإصدار الثنائي لنظام التشغيل Windows:
• القفازات -> تنفيذ القفازات الموجهة في الذاكرة
• PetroVec -> زخارف الكلمات البرتغالية لصناعة النفط والغاز: التطوير والتقييم
• wordembeddingsOG -> زخرفة كلمة النفط والغاز البرتغالية
• تضمين الكلمات البرتغالية
  • النماذج البرتغالية
• تضمين الكلمات الاسبانية
• محاذاة متعددة اللغات
  • نظرة عامة على النهج

التعرف على الكيان المسمى

• نموذج Geo NER -> التعرف على الكيانات المسماة
• GeoBERT - معانقة وجه الريبو للنموذج في
  • [ورقة]https://www.researchgate.net/publication/359186219_Few-shot_learning_for_name_entity_recognition_in_geological_text_based_on_GeoBERT
• INDUS -> مجموعة LLM مصممة خصيصًا للعلوم في ناسا
  • ورق
• كيفية العثور على مصطلحات علوم الأرض الأساسية في النص دون إتقان البرمجة اللغوية العصبية باستخدام Amazon Comprehend
• OzRock - OzRock: مجموعة بيانات مصنفة للتعرف على الكيانات في المجال الجيولوجي (استكشاف المعادن).

الوجود

• GAKG -> الرسم البياني للمعرفة الأكاديمية لعلوم الأرض متعدد الوسائط (الصينية)
• GeoERE-Net -> فهم التقارير الجيولوجية بناءً على الرسوم البيانية المعرفية باستخدام نهج التعلم العميق
  • ورق
• علم الوجود الجغرافي
• Geosim -> المحاكاة النوعية المحفزة لغويًا للعملية الجيولوجية
  • [https://www.duo.uio.no/handle/10852/111467](نمذجة المعرفة للجيولوجيا الرقمية) -> أطروحة دكتوراه تحتوي على ورقتين
  • SIRIUS GeoAnnotator -> مثال لموقع الويب من الأعلى
• علم الوجود CWS
• الرسم البياني للمعرفة الطبقية (StraKG)
  • ورق

نماذج لغة كبيرة

• نموذج لغة كبير لعلوم الأرض
  • تعلم نماذج اللغة الأساسية لفهم المعرفة في علوم الأرض واستخدامها
• GeoGalactica -> نموذج لغة أساسي أكبر في علوم الأرض
  • تقرير فني
• GeoChat -> نموذج لغة رؤية كبير مؤرض للاستشعار عن بعد
• LAGDAL -> LLM مطابقة معلومات خريطة الجيولوجيا مع تجارب الموقع

روبوتات الدردشة

• GeoGPT -> مشروع Deep Time Digital Earth Research Group من الصين

الاستشعار عن بعد

• CNN Sentinel -> نظرة عامة حول تصنيف استخدام الأراضي من بيانات الأقمار الصناعية باستخدام CNNs بناءً على مجموعة بيانات مفتوحة
• دفاتر ملاحظات DEA -> مثال للتعلم الآلي قابل للتطوير ولكن هناك الكثير من الأشياء المفيدة هنا
• دفاتر ملاحظات كتب الطبخ EASI -> مقدمات منصة CSIRO Earth Analytics لتحليل نمط ODC
• DS_UNet -> Unet تدمج رادار الفتحة الاصطناعية Sentinel-1 (SAR) وجهاز التصوير متعدد الأطياف Sentinel-2
• جهاز التشفير التلقائي المقنع متعدد الذرائع (MP-MAE)
• بيانات
• القطاع الجغرافي المكاني -> تقسيم أي شيء للاستخدامات الجغرافية المكانية
• SamGIS -> قم بتقسيم أي شيء مطبق على نظم المعلومات الجغرافية
• SatMAE++ -> إعادة التفكير في التدريب المسبق على المحولات لصور الأقمار الصناعية متعددة الأطياف
• Grid-mae -> التحقيق في استخدام شبكات متعددة النطاقات في جهاز التشفير التلقائي المقنع Vision Transformer
• ScaleMae
  • ورق
• CIMAE -> CIMAE - جهاز التشفير التلقائي المقنع للقناة
• شوكة -> لإعطائها الاسم كمرجع
• [التعلم التمثيلي للاستشعار عن بعد تحت الإشراف الذاتي] -> تتضمن رسالة الماجستير ما سبق ومقارنات بين عدة نماذج
• يو بارن
  • ورق
• com.earthnets
• GeoTorchAI -> GeoTorchAI: إطار التعلم العميق الزماني المكاني
• [pytorcheo](https://github.com/earthpulse/pytorchEO -> التعلم العميق لتطبيقات وأبحاث مراقبة الأرض
• AiTLAS -> مجموعة مرجعية مفتوحة المصدر لتقييم أحدث أساليب التعلم العميق لتصنيف الصور في مراقبة الأرض
• Segmentation Gym -> تم تصميم Gym ليكون "متجرًا شاملاً" لتجزئة الصور على "ND" - أي عدد من النطاقات المتزامنة في صورة متعددة الأطياف
• مناطق_التعلم_العميق
• مجموعة نسبة نطاق التعدين الرائعة -> مجموعة من استخدامات نسبة النطاق البسيطة لتسليط الضوء على المعادن المختلفة
• نماذج أسس الاستشعار عن بعد رهيبة
• كلاي -> نموذج وواجهة ذكاء اصطناعي مفتوحة المصدر للأرض
• IBM-NASA-GEOSPATIAL Prithvi
• تجزئة الصورة عن طريق ضبط نموذج الأساس -> لبريثفي
• AM-RADIO: نموذج مؤسسة الرؤية التكتلية
  • ورقة -> - تقليل جميع المجالات إلى مجال واحد
• RemoteCLIP -> نموذج مؤسسة لغة الرؤية للاستشعار عن بعد
• SpectralGPT
• zenodo) -> نموذج أساس للاستشعار عن بعد مخصص للبيانات الطيفية
  • ورق -> غير مرئي

يعالج

• تحويل ASTER -> التحويل من ASTER hd5 إلى Geotiff NASA github
• موارد بيانات HLS -> مشاحنات Landsat Sentinel المنسقة
• سارسن -> معالجة وتصحيح صور SAR المعتمدة على الأشعة السينية
• openEO -> يقوم openEO بتطوير واجهة برمجة تطبيقات مفتوحة لربط R وPython وJavaScript والعملاء الآخرين بالواجهة الخلفية لسحابة EO

فك الطيفية

• مسح-من التقليدية إلى المحولة لتصنيف الصور الطيفية-2024
  • ورق
• مراجعة التعلم العميق الفائق الطيفي
• أجهزة الترميز التلقائي الفائقة الطيفية
• التعلم العميق HSI
• 3DCAE-التصنيف الفائق الطيفي
• ديهيك
• القس صافي
  • ورقة -> شبكة توليدية عكسية للخلط الطيفي الفائق مع التقلبية الطيفية
• يحتوي Pysptools -> أيضًا على خوارزميات إرشادية مفيدة
• بايثون الطيفية
• مجموعة البيانات الطيفية RockSL -> فتح مجموعة البيانات الطيفية
• فك الخلط

فائق الطيفية

• CasFormer: محولات متتالية للتصوير الحسابي الفائق الطيفي المدرك للانصهار
• التطبيع الطيفي لكيراس
  • ورق
• S^2HM^2 -> S2HM2: إطار عمل نمذجة هرمية طيفية مكانية مقنعة لتعلم الميزات الخاضع للإشراف الذاتي وتصنيف الصور فائقة الطيف واسعة النطاق
  • ورق

التصور

• استخراج خريطة الألوان العميقة من التصورات
  • ورق
• التقسيم الدلالي لاستخراج اضطراب التعدين السطحي التاريخي من الخرائط الطبوغرافية -> مثال على مناجم الفحم
  • ورق
• رموز الألوان الكرونوستراتغرافية الدولية -> رموز RGB وغيرها في جداول البيانات وغيرها من التنسيقات
• LithClass -> إصدار USGS لرموز الألوان الصخرية
• نسخة ملونة
• SeisWiz -> عارض Python SEG-Y خفيف الوزن

نَسِيج

• تصنيف التركيب المعدني باستخدام الشبكات العصبية التلافيفية العميقة: تطبيق على الزركون من رواسب النحاس السماقي
  • ورق

محاكاة

• المنقب الذكي -> التخطيط التسلسلي للحصول على البيانات
• زينودو
  • ورق

الهندسة

• الزاوية العميقة -> حساب سريع لزوايا التلامس في صور التصوير المقطعي باستخدام التعلم العميق

آخر

• تحليل شبكة النظم المعدنية
  • البيانات -> البيانات من الورق هنا
• التحليلات الجغرافية والتعلم الآلي
• التعلم الآلي تحت السطح
• مل علوم الأرض
• كن محققًا في علوم الأرض
• Earth ML -> بعض البرامج التعليمية الأساسية في أساليب PyData
• GeoMLA -> خوارزميات التعلم الآلي للبيانات المكانية والزمانية

المنصات

أدلة

• Geospatial CLI - قائمة أدوات سطر الأوامر الجغرافية المكانية
• صورة الأقمار الصناعية التعلم العميق
• مراقبة الأرض
• الذكاء الاصطناعي للأرض
• نظم المعلومات الجغرافية مفتوحة المصدر -> نظرة عامة شاملة على النظام البيئي

جودة البيانات

• جودة بيانات علوم الأرض للتعلم الآلي -> جودة بيانات علوم الأرض للتعلم الآلي
• بيانات الجاذبية الأسترالية -> نظرة عامة وتحليل بيانات محطة الجاذبية
• Geodiff -> مقارنة بيانات المتجهات
• Redflag -> تحليل البيانات ونظرة عامة لاكتشاف المشكلات

التعلم الآلي

• Dask-ml -> الإصدارات الموزعة لبعض خوارزميات ML الشائعة
  • ورق
• Geospatial-rf -> الوظائف والأغلفة للمساعدة في تطبيقات الغابات العشوائية في السياق المكاني
• Geospatial-ml -> تثبيت حزم مشتركة متعددة في وقت واحد

الفضاء الكامن

• الانصهار المتداخل
  • ورقة -> الاندماج المتداخل: تقليل الأبعاد وتحليل البنية الكامنة للبيانات المتداخلة متعددة المقاييس لبيانات M2020 PIXL RGBU وXRF

المقاييس

• النتائج -> التحقق من النماذج والتنبؤات وتقييمها باستخدام الأشعة السينية

احتمالية

• NG Boost -> الانحدار الاحتمالي
• مل الاحتمالية
• تعبئة PU مع BO -> التعبئة الإيجابية غير المُسماة مع تحسين بايزي

التجميع

خرائط التنظيم الذاتي

• GisSOM -> خرائط التنظيم الذاتي المتمحورة حول الجغرافيا المكانية من هيئة المسح الجيولوجي الفنلندية
• SimpSOM -> خرائط التنظيم الذاتي

آخر

• hdbscan
• com.kmedoids
  • com.kmedoids
• بيكاسو

بايزي

• بايسج -> التقسيم المكاني

قابلية الشرح

• InterpretML -> تفسير نماذج البيانات الجدولية
• InterpretML -> إضافة المجتمع

التعلم العميق

• استخراج خريطة الألوان العميقة -> محاولة استخراج مقياس البيانات من الصور
• استخراج وتصنيف الصور من وثائق علوم الأرض

بيانات

• Xbatcher -> قراءة البيانات المستندة إلى Xarray للتعلم العميق
  • أدوات تحميل البيانات السحابية الأصلية للتعلم الآلي باستخدام Zarr وXarray
• zen3geo -> علم البيانات بأسلوب Xbatcher باستخدام pytorch

قابلية الشرح

• قيم الشكل
• مراقب الوزن -> تحليل مدى جودة تدريب الشبكات
• Weightwatcher.ai
• Weightwatcher-ai.com -> إصدار الويب الاحترافي

التعلم الخاضع للإشراف الذاتي

• الإشراف الذاتي -> تطبيقات Pytorch Lightning لخوارزميات متعددة
• Simclr
• تعلم رائع تحت الإشراف الذاتي -> قائمة منسقة

المعلمات الفائقة

• هايبروبت
• TPOT الآلي ML

بيئات الترميز

• صندوق الرمل الخاص بـ DEA
• مكعب في صندوق

مجتمع

• Software Underground - مجتمع من الأشخاص المهتمين باستكشاف التقاطع بين السطح السفلي والتعليمات البرمجية
  • تسجيل الدردشة - الاشتراك في دردشة مجتمع SWUNG
  • Mattermost- خدمة الدردشة المجتمعية
    • قناة Slack القديمة (تم إهمالها، انظر الأمر الأكثر أهمية أعلاه)
  • علوم الأرض مفتوحة المصدر التعادل في
  • فيديوهات
    • تحويل 2022
  • علوم الأرض المفتوحة الرائعة [لاحظ تحيز النفط والغاز]
  • تحويل 2021 أمثلة القرصنة
  • سيجيساك 2021 البرنامج التعليمي
  • دفتر الملاحظات الزلزالي T21
  • الزلزالية العملية مع بايثون
  • تحويل 2021 سيمبيج
• بانجيو
  • المنتدى
  • أفضل ممارسات COG
• الأرض الرقمية أستراليا
  • قناة سلاك
• المؤسسة الجيومكانية مفتوحة المصدر
• OSGeoLive -> DVD/USB قابل للتمهيد مع الكثير من البرامج الجغرافية المكانية مفتوحة المصدر
• ASEG -> مقاطع فيديو من الجمعية الأسترالية لعلماء الجيولوجيا الاستكشافيين
• الذكاء الاصطناعي للنمذجة الجيولوجية ورسم الخرائط -> مقاطع فيديو من يوم المؤتمر
• مؤتمر

مقدمي الخدمات السحابية

أوس

• ec2 Spot Labs -> جعل العمل التلقائي لمثيلات Spot أسهل
• Sagemaker الجغرافية المكانية ML
• Sagemaker -> الخدمة المُدارة لتعلم الآلة
  • SDK
  • المرافق نقطة الدخول
  • ورشة العمل 101
  • أدوات التدريب

حزمة

• Shepard -> الإعداد الآلي لتكوين السحابة لـ AWS Batch Pipelines: هذا رائع

الحزم

• Mlmax - ابدأ المكتبة السريعة
• مسألة صغيرة
• بيوتيل

عام

• حاويات التعلم العميق
• لوجورو -> مكتبة التسجيل
• AWS GDAL Robot -> Lambda ومعالجة الدفعات الجغرافية
• المعالجة الزلزالية بدون خادم
• LIthops -> إطار عمل الحوسبة الموزعة متعدد السحابة

لمحات عامة

• التنقيب عن المعادن

المجالات

• الجيولوجيا
  • العصور الجيولوجية
  • علم الصخور
  • الطبقات
• الجيوكيمياء
• الجيوفيزياء
• الاستشعار عن بعد

خدمات الويب

إذا تم إدراجها، فمن المفترض أنها بيانات بشكل عام، وإذا كانت مجرد صور مثل WMS فسوف تقول ذلك.

عالم

• المعادن والودائع الحرجة

أستراليا

• أوسجين
• علوم الأرض أستراليا
• الإمكانات المعدنية -> WMS
• خدمة كتالوج علوم الأرض الأسترالية

الجيولوجيا

• أوسلامب -> تينانت كريك - متيسا
• الجيولوجيا الميدانية
• الغلاف الصخري العميق -> الإمكانات المعدنية في الغلاف الصخري العميق
• علم التاريخ الجيولوجي -> علم التاريخ الجيولوجي
• المقاطعات الجيولوجية
• WMS -> صورة WMS
• البيض -> تقديرات الأسطح الجيولوجية والجيوفيزيائية
• صخور قلوية بروتيروزويك - مجموعة بيانات صخور بروتيروزويك القلوية WFS {تحتوي أيضًا على WMS}
• حقب الحياة الحديثة
• الدهر الوسيط
• حقب الحياة القديمة
• أثري
• علم الطبقات -> الوحدات الطبقية

الجيوفيزياء

• المسوحات الجيوفيزيائية
• المسوحات الزلزالية -> المسوحات الزلزالية البرية
• المغناطيسية -> محطات شمال أستراليا AUSLAMP

آخر

• Ni-Cu-PEGE -> استضافت Intrusion ودائع PGE للنيكل والنحاس
• منطقة EFTF -> استكشاف المناطق المستقبلية
• درجة الحرارة -> درجة الحرارة المفسرة
• إدارة مكافحة المخدرات -> الأرض الرقمية بأستراليا
• غطاء الأرض
• المسطحات المائية
• BOM -> مكتب الأرصاد الجوية والكيمياء الهيدروجيوكيميائية

نيو ساوث ويلز

• نيو ساوث ويلز
• WCS
• WFS الحفر المعدنية
• حفريات النفط WFS
• حفر الفحم WFS
• زلزالية -> زلزالية وغيرها

كوينزلاند

• كوينزلاند
• الجيولوجية -> الجيوفيزياء وفهرس التقارير
• الجيولوجيا
• إقليمي
• ولاية
• المساكن
• الطرق
• مجرى مائي

جنوب أستراليا

• ساريج
• ثقوب الحفر
• الجيولوجيا
• الجيوفيزياء
• الاحتمالية
• المعادن والمناجم
• الاستشعار عن بعد
• زلزالي
• المساكن

الإقليم الشمالي

• NTGS -> المسح الجيولوجي للإقليم الشمالي

تسمانيا

• تسمانيا WFS
• تسمانيا ريست
• الآبار

فيكتوريا

• شبكة فيكتوريا الجيولوجية

أستراليا الغربية

• أستراليا الغربية
• استراحة

نيوزيلندا

• GNS -> قائمة خدمات الويب

أمريكا الجنوبية

البرازيل

• البرازيل الجغرافيا
• البرازيل CPRM

بيرو

• حقن
• الحوادث المعدنية
• البيئية

المكسيك

• GeoInfo -> خدمات الراحة

الأرجنتين

• سيغام

كولومبيا

• استراحة
• الودائع 2018

أوروغواي

• استراحة

آخر

• SIG الأنديز -> جيولوجيا الأنديز

أوروبا

EGDI -> EGDI للمعادن

السويد

• SGU مغناطيسات WMS
• SGU اليورانيوم
• البيانات الوصفية الجيوفيزيائية

فنلندا

• GTK -> هيئة المسح الجيولوجي بفنلندا
  • فنلندا
    • جيولوجيا الأساس
    • الجيوفيزياء
    • المسوحات الأرضية
• معادن القطب الشمالي -> حوادث المعادن في القطب الشمالي 1M

الدنمارك

• الإله -> WMS/WFS في جرينلاند

البرتغال

• جيولوجيا البرتغال
• الحوادث المعدنية -> WMS
• المدن والبلدة

إسبانيا

• إسبانيا
• الجيولوجيا -> 200 ألف
• 1 م -> 1 م
• 50 ألفًا -> 50 ألفًا
• جيودي IGME
• الجيوفيزياء
• النحاس - النحاس
• GeoFPI -> الجيولوجيا والمعادن منطقة جنوب البرتغال
• ماء

أوكرانيا

• المعلومات الجغرافية -> [معلق حاليًا]

أيرلندا

• استراحة
• المواقع المعدنية

بريطانيا

• BGS -> هيئة المسح الجيولوجي البريطانية
• الفهرس الجغرافي -> مثال على وجود المعادن
• الراحة -> خدمات الراحة BGS والإلهام 625

ألمانيا

• بي آر جي

الجمهورية التشيكية

• استراحة

سلوفاكيا

• استراحة

هنغاريا

• MBFZ OGC
• MBFZ بقية

رومانيا

• IGR -> WMS فقط
• دقائق IGR -> WMS فقط

بولندا

• مثال الباقي -> العديد من خوادم الخرائط

أمريكا الشمالية

كندا

• كيبيك
• شمال غرب البلاد
• استراحة
• مراجع

الولايات المتحدة الأمريكية

• هيئة المسح الجيولوجي الأمريكية العالمية المعدنية
• USGS MRDS
• مينيسوتا

آسيا

• الصين -> WMS الرواسب المعدنية
• خام -> نقاط حدوث المعادن
• الهند المعدنية -> WMS
• الهند الجيوفيزياء

أفريقيا

• البوابة الجغرافية لأفريقيا -> خدمات الراحة
• أفريقيا 10 مليون -> أفريقيا 10 مليون حوادث معدنية https://pubs.usgs.gov/of/2005/1294/e/OF05-1294-E.pdf
• IPIS Artisanal Mines -> يوجد إصدار WMS أيضًا
• جيثب
• أوغندا -> GMIS WMS

عام

• خدمات الويب لاستكشاف المعادن -> البرنامج المساعد QGIS مع إمكانية الوصول إلى العديد من خدمات الويب ذات الصلة

آخر

• افتح خريطة الشارع -> خدمة البلاط العامة المفيدة

واجهات برمجة التطبيقات

• واجهة برمجة تطبيقات البيانات المفتوحة -> واجهة برمجة تطبيقات بوابة البيانات المفتوحة لـ GSQ
  • تحليل الجيوكيمياء
• الأساسية -> فتح نصوص البحث
  • API Notebook -> المثال والوظائف
• شارك -> افتح واجهة برمجة تطبيقات العلوم
• منشورات هيئة المسح الجيولوجي الأمريكية
• التقاطع
• xDD -> GeoDeepDive السابق
• ماهر -> واجهة المستخدم الرسومية إلى xDD للبحث في 15 مليون ورقة محصودة
• أوبنأليكس
  • واجهة برمجة التطبيقات
  • مكتبة ديوفيلا بايثون
  • مكتبة بايثون
    • ورق
• ماكروسترات
  • ورق
• OpenMinData -> تسهيل الاستعلام واسترجاع البيانات المتعلقة بالمعادن والمواد الأرضية من Mindat API

بوابات البيانات

عالم

• تعاون نموذج الأرض -> الوصول إلى نماذج الأرض المختلفة، وأدوات التصور لمعاينة النموذج، وتسهيلات لاستخراج بيانات النموذج/البيانات التعريفية والوصول إلى برامج المعالجة والبرامج النصية المساهمة.
• نشرة مركز الدراسات الدولي -> بحث آلية التنسيق الخاصة بالزلازل
• [اتحاد المعلومات المغناطيسية[(https://www2.earthref.org/MagIC/search) -> المغناطيسية القديمة، المغناطيسية الأرضية، المغناطيسية الصخرية

أستراليا

علوم الأرض أستراليا

• كتالوج بيانات علوم الأرض الأسترالية
• AusAEM
• بوابة علوم الأرض الأسترالية
• بوابة استكشاف المستقبل -> بوابة الويب الخاصة بمؤسسة Geoscience Australia مع معلومات التنزيل
• AusAEM
• AusLAMP
• الجيولوجيا والنظائر
• مستجمعات المياه الهيدروجيولوجية -> البحث عن طبقة مستجمعات المياه
• مبادرة رسم خرائط المعادن الحرجة
• الوحدات الطبقية الأسترالية
• الوحدات الطبقية البئرية الأسترالية -> تجميع المياه الجوفية للوحدات الرسوبية
• thredds لعلوم الأرض الأسترالية الجيوفيزياء -> الوصول إلى OpendDAP وhttps
• MORPH gdb -> بيانات الحفر الخاصة بالضابط Musgrave

CSIRO

• بوابة الوصول إلى البيانات CSIRO
• عمق الثرى
• TWI -> مؤشر البلل الطبوغرافي
• خرائط ASTER لعلوم الأرض -> الموقع الإلكتروني
  • بروتوكول نقل الملفات -> موقع بروتوكول نقل الملفات CSIRO
  • ملاحظات خرائط ASTER -> ملاحظات لما سبق

أوسكوب

• الجيولوجيا ثلاثية الأبعاد -> نماذج من مناطق متعددة

تيرن

• المتغيرات المشتركة للأرض العارية المحسنة لنمذجة التربة والصخور

مكتب الأرصاد الجوية

• مستكشف المياه الجوفية -> مكتب الأرصاد الجوية

البيانات المكانية التأسيسية

• الفيس

جنوب أستراليا

• SARIG -> المسح الجيولوجي لجنوب أستراليا، البحث على الخريطة الجغرافية المكانية
• كتالوج SARIG -> كتالوج البيانات
  • نماذج ثلاثية الأبعاد
    • SA على نطاق واسع
    • موقع s3
  • حزم البيانات - التحديث السنوي
  • تقارير s3 -> التقارير والإصدارات النصية في مجموعة s3 مع واجهة الويب)
  • التقارير
  • زلزالي
    • التنزيلات الزلزالية -> صفحة واحدة من الروابط

الإقليم الشمالي

• سترايك -> المسح الجيولوجي للإقليم الشمالي
• جيميس
  • حوض ماك آرثر -> نموذج ثلاثي الأبعاد
  • المسوحات الجيوفيزيائية
  • الجيوفيزياء -> مرجع
  • الحفر والجيوكيمياء -> مرجع
    • حزمة البيانات -> حزمة البيانات

كوينزلاند

• المسح الجيولوجي لكوينزلاند
• المسوحات الجيوفيزيائية
• الحفر والجيوكيمياء

أستراليا الغربية

• GEOVIEW -> هيئة المسح الجيولوجي في غرب أستراليا
• DMIRS -> مركز بيانات وبرامج DMIRS
• تنزيل عناوين URL -> مجموعة بيانات روابط التنزيل
• الحفر والجيوكيمياء
• تنزيل الحزمة - التحسين؟
• الجيوكيمياء
• آبار البترول ذات الأعماق
• مجموعة بيانات WA الفرعية

نيو ساوث ويلز

• MINVIEW -> هيئة المسح الجيولوجي في نيو ساوث ويلز
• DiGS -> المنشورات والمجموعات الجيوتقنية

تسمانيا

• مترو الأنفاق
• خرائط مترو الأنفاق -> خريطة الويب

فيكتوريا

• موارد الأرض
  • الجيوفيزياء
• GeoVIC -> تحتاج خرائط الويب إلى التسجيل لتكون أكثر فائدة

نيوزيلندا

• قاعدة بيانات الاستكشاف -> عبر الإنترنت
• GERM -> خريطة الموارد الجيولوجية لنيوزيلندا
• الجيولوجيا -> خريطة الويب
  • https://maps.gns.cri.nz/gns/wfs

أمريكا الجنوبية

البرازيل

• CPRM -> هيئة المساحة الجيولوجية في البرازيل
• التنزيلات -> تنزيلات المسح الجيولوجي في البرازيل
• ريجيو -> المستودع المؤسسي لعلوم الأرض

بيرو

• Ingemet GeoPROMINE -> هيئة المسح الجيولوجي في بيرو
• GeoMAPE

المكسيك

• معلومات جغرافية

الأرجنتين

• سيجام -> هيئة المساحة الجيولوجية بالأرجنتين
• سيغام

كولومبيا

• بوابة

أوروغواي

• ديماجي

شيلي

• بورتالجيومين

أوروبا

• EGDI -> علوم الأرض في أوروبا
• مؤتمر القمة العالمي للأغذية
• برومين
• إلهام -> إلهام البوابة الجغرافية

الدنمارك

• البيانات الجوفية الدنماركية

فنلندا

• المعادن4EU
• GTK -> هيئة المسح الجيولوجي بفنلندا
• الخرائط الجيوكيميائية -> pdf فقط!

السويد

• SGU -> هيئة المسح الجيولوجي السويدية

إسبانيا

• IGME -> هيئة المسح الجيولوجي الإسبانية

البرتغال

• البوابة الجغرافية
• الحوادث المعدنية

أيرلندا

• GSI -> هيئة المسح الجيولوجي في أيرلندا
• GSI - عارض الخرائط
• منجم الذهب -> البحث عن الخرائط والمستندات
• data.gov.ie -> عرض البوابة الوطنية
• isde -> تبادل البيانات المكانية الأيرلندية

النرويج

• NGU -> هيئة المساحة الجيولوجية النرويجية
• قاعدة البيانات -> عمليات البحث عن الموارد المعدنية والطبقات
• جيثب
• واجهة برمجة التطبيقات
• جيبورتا -> الجيوفيزياء
• GEONORGE -> كتالوج البيانات مع التنزيل

بريطانيا

• بريطانيا
• خادم الخرائط
• جيثب

أوكرانيا

• الموارد المعدنية

روسيا

• معهد البحوث الجيولوجية الروسي -> لا يمكن الوصول إليه حاليا
• RGU -> مشروع نظم المعلومات الجغرافية للودائع

ألمانيا

• البوابة الجغرافية
• خريطة جغرافية -> م
• الذرة -> تغذية بيانات الذرة
• GDI -> النماذج ثلاثية الأبعاد في ألمانيا

فرنسا

• إنفوتير -> هيئة المساحة الجيولوجية الفرنسية

كرواتيا

• البوابة الجغرافية -> هيئة المساحة الجيولوجية في كرواتيا
• الجيولوجيا

الجمهورية التشيكية

• ع -> هيئة المساحة الجيولوجية التشيكية

سلوفينيا

• كتالوج البيانات

سلوفاكيا

• كتالوج البيانات
• واجهة برمجة تطبيقات Geoportapi

هنغاريا

• خرائط MBFSZ

رومانيا

• IGR -> هيئة المسح الجيولوجي في رومانيا
• الموارد المعدنية

بولندا

• البوابة الجغرافية

المملكة المتحدة

• المكتبة الجيوفيزيائية البرية في المملكة المتحدة
• مركز بيانات نظام التشغيل الجيولوجيا البريطانية
• الجيولوجيا 625

أمريكا الشمالية

كندا

• الموارد الطبيعية في كندا
• جيثب
• مستودع بيانات علوم الأرض -> خادم DAP
• بوابة خرائط الويب للتعدين
• DEM -> Canada DEM بتنسيق COG
• CDEM -> نموذج الارتفاع الرقمي (2011)
• أونتاريو
• كيبيك
• قاعدة بيانات سيجيوم
• كولومبيا البريطانية
• قاعدة بيانات حدوث المعادن
• يوكون
  • ftp
• نوفا سكوتيا
• ريفي
• جزيرة الأمير إدوارد
• ساسكاتشوان
• قاعدة بيانات حدوث المعادن
• نيوفاوندلاند -> لم يعمل في Chrome، جربه في Edge
• ألبرتا
• تطبيق رسم الخرائط التفاعلية
• الأقاليم الشمالية الغربية
• الحيازة المعدنية

الولايات المتحدة الأمريكية

• هيئة المسح الجيولوجي الأمريكية -> قاعدة بيانات الخرائط
• MRDS -> أنظمة بيانات الموارد المعدنية
• مستكشف الأرض -> بوابة بيانات الاستشعار عن بعد التابعة لهيئة المسح الجيولوجي الأمريكية
• قاعدة بيانات الخرائط الوطنية
• قاعدة بيانات الخرائط الوطنية
• ألاسكا
• ReSci -> سجل المجموعات العلمية للبرنامج الوطني لحفظ البيانات الجيولوجية والجيوفيزيائية
• ميشيغان

أفريقيا

• السجل العقاري
• جيولوجيا المياه -> جيولوجيا المياه وجيولوجيا من أطلس المياه الجوفية
• غرب أفريقيا -> الرواسب المعدنية
• ناميبيا
• الحوادث المعدنية
• عمال المناجم
• جنوب أفريقيا -> المسح الجيولوجي لجنوب أفريقيا
• الحوادث المعدنية -> مثال حيث تحتاج إلى تسجيل الدخول للتنزيل
• أوغندا -> بوابة GMIS
• معادن فلزية
• تنزانيا
• الحوادث المعدنية
• مناجم
• SIGM -> الجيولوجيا والتعدين بتونس
• زامبيا -> مساكن زامبيا هيريس

آسيا

الصين

• البيانات الجيوعلمية
• الحوادث المعدنية
• قاعدة بيانات الودائع المعدنية الوطنية

الهند

• بوكوش -> هيئة المسح الجيولوجي الهندية
• لاحظ أن جيولوجيا راجستان لا تعمل إلا بشكل تدريجي وهو أمر مؤلم - إذا كنت تريد ذلك، فأخبرني بذلك

المملكة العربية السعودية

• بوابة قاعدة البيانات الجيولوجية الوطنية

آخر

الجيولوجيا

• StratDB
• GEM الأخطاء النشطة العالمية
• خصائص RRuff المعدنية
• مقالة -> النظام التطوري لعلم المعادن
• جيولوجيا واحدة
• كتالوج

إيران

الجيولوجيا

• OGC BGS 1M حجر الأساس

عام

• OSF -> مؤسسة العلوم المفتوحة
• المعادن الأساسية المستضافة في الرواسب -> المعادن الأساسية المستضافة في الرواسب
• حدود الغلاف الأثينوسفيري -> LAB Hoggard/Czarnota
• قائمة المسح الجيولوجي

التقارير

أستراليا

• الإقليم الشمالي GEMIS
  • يبحث
  • مثال
• جنوب أستراليا ساريج
• أستراليا الغربية وامكس
  • يبحث
  • واجهة برمجة التطبيقات
    • مثال
• كوينزلاند
• حفريات نيو ساوث ويلز
  • حفريات نيو ساوث ويلز مفتوحة
  • واجهة برمجة التطبيقات ليست عامة
• PorterGEO -> قواعد بيانات الرواسب المعدنية العالمية مع لمحات عامة موجزة
• معهد المعادن المستدامة -> منظمة كوينزلاند للباحثين المنتسبين إلى الجامعة الذين ينتجون مجموعات البيانات والمعرفة

كندا

• كولومبيا البريطانية
  • بحث -> تقارير تقييم المعادن
  • المنشورات -> المنشورات
• أونتاريو -> تقارير تقييم المعادن
  • منشورات أونتاريو
• ألبرتا
  • المنشورات
• يوكون
• البصمة
• مانيتوبا
• المنشورات
• نيوفاوندلاند ولابرادور
• الأقاليم الشمالية الغربية
• نوفا سكوتيا
• كيبيك
• ساسكاتشوان
  • يبحث
  • iMaQs -> النظام المتكامل للتعدين واستغلال المحاجر

الولايات المتحدة الأمريكية

• أريزونا
• مونتانا
• نيفادا
• نيو مكسيكو
• مينيسوتا
• ميشيغان
• json
• ألاسكا
• واشنطن

آخر

• هيئة المسح الجيولوجي البريطانية NERC
  • الإمكانات المعدنية
  • يبحث
  • مثال واجهة برمجة التطبيقات
  • المنشورات
  • MEIGA -> تقارير مشروع التنقيب عن المعادن MEIGA 600 BGS
• جيولاجريت -> السويد
• MinData -> تجميع مواقع الصخور من جميع أنحاء العالم
• قاعدة بيانات المعادن -> قائمة المعادن القابلة للتصدير ذات الخصائص والأعمار العلمية
• ناسا
• ResearchGate -> شبكة الباحثين والمهنيين

أدوات

نظم المعلومات الجغرافية

• QGIS -> تصور وتحليل بيانات نظم المعلومات الجغرافية، تطبيق سطح مكتب مفتوح المصدر، يحتوي على بعض أدوات ML: لا غنى عنها لبعض المشاهدة السريعة والسهلة
  • الجيولوجيا 2D في QGIS -> ورشة عمل لـ QGIS NA 2020 تقديم الخرائط الجيولوجية والمقاطع العرضية للطلاب والهواة
  • OpenLog -> Beta Beta Beta Drillhole
  • GEO -SAM -> QGIS Plugin for Sigment أي شيء مع النقطات
  • أوزان إثبات
  • البرنامج المساعد
• عشب
• Saga -> مرآة SourceForge

3D

• Pyvista -> VTK لف واجهة برمجة التطبيقات لتصور وتحليل البيانات الرائعة

  • Pvgeo
  • Pyvista -Xarray -> تحويل بيانات Xarray إلى VTK 3D بلا مؤلم: مكتبة رائعة!
  • Omfvista -> Pyvista لتنسيق التعدين المفتوح
  • Scipy 2022 البرنامج التعليمي

• pymeshlab -> تحول شبكة

• فتح تنسيق التعدين

• أدوات Whitebox

  • GUI -> إصدار سطح المكتب

• تحت سطح الأرض

• Geolambda -> إعداد AWS Lambda

• محلل العلوم الأرضية

  • GeoH5py -> الحصول على البيانات من وإلى مشاريع GeoH5
  • GeoApps -> التطبيقات المستندة إلى دفتر الجيوفيزياء عبر GeoH5py
  • geoh5vista
  • gams -> تحليل البيانات المغناطيسية
    • ورقة - إطار لبيانات العلوم الجيولوجية المعدنية وقابلية النماذج - GeoH5

• Rayshader

• vdeo

الجنرال الجغرافي المكاني

• موارد بيثون لعلوم الأرض
• Geoutils -> التحليل الجغرافي المكاني والتشويش بين قابلية التبديل بين حزم GIS الأخرى.

بيانات المتجهات

بايثون

• الجيوباندا
  • Dask-Geopandas
    • درس تعليمي
  • GeofileOps -> زيادة السرعة المكانية عبر وظائف قاعدة البيانات و Geopackage
• Kart -> التحكم في الإصدار الموزع لـ Daata
• Pyesridump -> مكتبة للاستيلاء على البيانات على نطاق واسع من خوادم REST ESRI

ر

• سادس
• يوفر Terra -> Terra طرقًا لمعالجة البيانات الجغرافية (المكانية) في شكل "Raster" و "Vector".

بيانات نقطية

ج

• Exactextract -> سطر الأوامر إحصائيات Zonal في ج

جوليا

• Rasters.jl -> قراءة وكتابة أنواع البيانات النقطية المشتركة

بايثون

• Rasterio -> مكتبة قاعدة بيثون لمعالجة البيانات النقطية
• Georeader -> Process Raster Data من مهام الأقمار الصناعية المختلفة
• Rasterstats -> تلخيص مجموعات بيانات النقطية الجغرافية المكانية على أساس هندسة المتجهات
• Xarray -> معالجة مجموعة وتحليلها متعدد الأبعاد
  • Rioxarray -> واجهة برمجة تطبيقات رائعة عالية المستوى لمعالجة Xarray مع البيانات النقطية
  • Geocube -> النقل من API لبيانات المتجه
  • ODC -GEO -> أدوات من أجل معالجة النقطية المستندة إلى الاستشعار عن بُعد مع العديد من الأدوات السهلة للغاية مثل الملون وسير عمل الشبكة
  • COG Validator -> التحقق من تنسيق السحابة المحسنة Geotiffs
  • خادم datacube-demo-> xarray عبر lithops / ملفوف / وسيط
  • Xarray Spatial -> التحليل الإحصائي للبيانات النقطية مثل التصنيف مثل الفواصل الطبيعية
  • XDGGS -> أنواع أخرى من الشبكات
  • XGCM -> الرسوم البيانية مع الملصقات
  • Xrft -> تحويل فورييه القائم على Xarray
  • XVEC -> مكعبات بيانات المتجهات لـ Xarray
  • Xarray -Einstats -> الإحصائيات ، الجبر الخطي و Einops لـ Xarray

ر

• Raster -> R Library
• يوفر Terra -> طرقًا لمعالجة البيانات الجغرافية (المكانية) في نموذج "Raster" و "Vector".
• النجوم -> المصفوفات المكانية الزمانية: نقطية وناقل البيانات الأنابيب
• accteStracr -> إحصائيات Zonal النقطية لـ R

المعايير

• صيف النقطية -> معايير بعض البرامج الليبرالية النقطية في بيثون و R.

واجهة المستخدم الرسومية

• أدوات Whitebox -> Python API ، واجهة المستخدم الرسومية ، وما إلى ذلك.

جمع البيانات

• piautostage-> "أداة مطبوعة ثلاثية الأبعاد مفتوحة المصدر للمجموعة التلقائية للصور المجهرية عالية الدقة ؛" مصمم للعينات المعدنية.

تحويل البيانات

• AEM إلى seg-y
• ASEG GDF2
• قارئ CGG Outfile
• شبكة geosoft إلى نقطية
• حلقة Geosoft Grid
• شبكة هارمونيكا Geosoft -> سحب طلب قيد التقدم عند التحويل إلى Xarray
• AUSCOPE -> بيانات من نماذج GOCAD الثنائية
• قارئ شبكة GOCAD SG
  • Geomodel-2-3dweb-> هنا لديهم طريقة لاستخراج البيانات من شبكات Gocad SG الثنائية
• Leapfrog Mesh Reader
• OMF -> فتح تنسيق التعدين للتحويل بين الأشياء
• PDF عامل المناجم
• VTK إلى DXF

الكيمياء الجيولوجية

• Pygeochemtools -> المكتبة وخط الأوامر لتمكين QC السريع والتخطيط للبيانات الجيوكيميائية
• خرائط SA الجيوكيميائية -> تحليل البيانات والتخطيط لبيانات الكيمياء الجيولوجية في جنوب أستراليا من المسح الجيولوجي لـ SA
• الجيوكيميائية المفعمة
• البرنامج التعليمي للكيمياء الجيولوجية سكوت هالي
• جدول دوري

الإحصائيات الجيولوجية

• Geostatspy
• pyinterpolate

علم الجيولوجية

• مقياس الوقت الجيولوجي -> رمز لإنتاجه ، ولكن يحتوي أيضًا على CSV منتظم لطيف للأعمار

الجيولوجيا

• GEMPY -> النمذجة الضمنية

• Gemgis -> مساعدة تحليل البيانات الجغرافية المكانية

• Loopstructural -> النمذجة الضمنية

• Geologia Python اليدوية -> تحليل بيانات الجيولوجيا

• MAP2LOOP -> أتمتة النمذجة ثلاثية الأبعاد

  • loop3d -> واجهة المستخدم الرسومية لـ Map2Loop

• pybedforms

• SA الطبقة الطبقية -> محرر قاعدة بيانات الطبقة الطائفية WebApp

• Striplog

• analise_de_dados_estruturais_altamira

• Tectonics Global -> مجموعة بيانات مفتوحة المصدر للبناء عليها ، لوحات ، هوامش ، إلخ.

  • ورق

• إضافات Zenodo

• الحجرية

• pygplates

• بيانات البرنامج التعليمي

  • ورق

الجيوفيزياء

• Geoscience Australia Utilities
• الجيوفيزياء لممارسة علماء الجيولوجي
• أدوات الحقل المحتملة -> بعض مرشحات تحويل فورييه السريعة المستندة إلى Xarray - المشتقات ، الجاذبية الكاذبة ، آر بي جي إلخ.
  • دفتر ملاحظات -> فئة مع بعض الأمثلة [المشتق العمودي ، الجاذبية الكاذبة ، الاستمرار الصعودي وما إلى ذلك)
• حساب رمل الجيوفيزياء
• رواسب RIS القاعدية -> عمق الطابق السفلي المغناطيسي في أنتاركتيكا
• إشارة معالجة صورة

الكهرومغناطيسية

• Geoscience Australia AEM
• uh electromagnetics -> دفاتر الدورات الدراسية على فهم هذا المجال
• تفسير AEM
• emag py -> fdem
• Resipy -> DC / IP

الجاذبية والمغناطيسية

• هارمونيكا
• أمثلة تصفية -> المعالجة القائمة على تحويل فورييه السريعة عبر Xarray
• بيانات الجاذبية الأسترالية
• الديدان
• تحديث Worms <- حقول محتملة إنشاء Worm مع بعض التحديثات البسيطة للتعامل مع NetworkX API *Github Mirror
• Osborne Magnetic -> مثال على معالجة بيانات المسح

زلزالي

• Segyio
• Segysak -> معالجة بيانات SEG -Y المستندة إلى Xarray
• الملاحظات الجيوفيزيائية -> معالجة البيانات الزلزالية

المغناطيسية

• mtpy
• دروس
• MTPY -> تحديث ما سبق لتسهيل الأمور
• مجموعة أدوات الإحصائيات المعدنية -> المسافة إلى تحليل ميزات MT
• ورقة موصلات ليثوسفير
• MTWAFFLE -> أمثلة تحليل بيانات MT
• pymt
• مقاومات
• Mecmus -> أدوات لقراءة نموذج الموصلية الكهربائية للولايات المتحدة الأمريكية
• نموذج

الشبكات

• بتوقيت غرينيتش
  • pygmt
• الأخضر
• GRID_AEROMAG -> مثال الشبكات البرازيلية
• PYINTERP -> شبكات متعددة الأبعاد عن طريق التعزيز
• الجاذبية الكاذبة -> من Blakely ، 95

انعكاس

• Simpeg
  • Mira Geoscience Fork -> تستخدم لـ GeoApps
  • Simpeg Fork
  • تحويل 2020 Simpeg
  • تحويل 2021 Simpeg
  • نصوص Simpeg
  • مثال انعكاس مفصل أستيك
• جيملي
• tomofast-x
• USGS مجهول FTP
• برنامج USGS -> قائمة أطول من الأشياء المفيدة القديمة: Dosbox ، أي شخص؟
• روتين الجيوفيزياء الفرعي -> رمز فورتران
• 2020 مشاكل انعكاس آخن -> نظرة عامة على نظرية انعكاس الجاذبية

الكيمياء الجيولوجية

• بيروليت
  • GS2021 بيروليت
• التسوية
• أدوات Pygeochem
• geoquimica
• الجيوكيمياء
  • ورق

حفر

• DH2LOOP -> مساعدة فاصل الحفر
  • ورق
• Drilldown -> تصور الحفر في أجهزة الكمبيوتر المحمولة عبر geoh5py -> ملاحظة Desurveying
• Pygslib -> مسح قاع البصيف والتطبيع الفاصل
• Pyborehole -> معالجة وتصور بيانات البئر
• dhcomp -> المركبات الجيوفيزيائية إلى مجموعة من الفواصل الزمنية

الاستشعار عن بعد

• مؤشرات طيفية رائعة -> دليل لإنشاء الفهرس الطيفي
• افتح بيانات البيانات
  • DEA Notebooks -> رمز للاستخدام في سير عمل نمط ODC
  • Datacube -Stats -> مكتبة التحليل الإحصائي لـ ODC
  • Geo Notebooks -> أمثلة رمز من العنصر 84
• Raster4ml -> عدد كبير من مؤشرات الغطاء النباتي
• Lefa -> تحليل الكسر ، والأريد

بدون خادم

• Kerchunk -> الوصول بدون خادم إلى البيانات القائمة على السحابة عبر Zarr
  • Kerchunk GeoH5 -> الوصول إلى Geoscient Analyst/GeoH5 مشاريع بدون خادم عبر Kerchunk
  • IceHunk -> محرك تخزين المعاملات لبيانات Tensor / ND -Rather المصممة للاستخدام في تخزين كائن السحابة.

كتالوجات Stac

• DEA Stackstac -> أمثلة على العمل مع بيانات Digital Earth Australia
• المدخول
• ملحق ML AOI
• مواصفات امتداد نموذج ML -> مواصفات نموذج التعلم الآلي لنماذج Catalogingspatio -Temporal
  • ورق
• ODC -STAC -> قاعدة بيانات مجانية مفتوحة البيانات
• بيستاك
• SAT-SEARCH
• Stackstac -> Metadata تسريع Dask و Xarray TimeSeries

إحصائيات

• Orange -> واجهة المستخدم الرسومية للبيانات
• HDSTATS -> الأساس الخوارزمي للوسطاء الهندسيين
• Hdmedians

التصور

• TV -> عرض صور الأقمار الصناعية في محطة
• الوجه
• يجلس
• HSDAR
• النجوم
• بيرو جولد مينغ سار

إمكانات المعادن

• رسم الخرائط المعدنية النيكل -> التحليل القائم على ESRI
• أداة الاحتمالات عبر الإنترنت

اقتصاديات التعدين

• BlueCap -> إطار من جامعة موناش لتقييم جدوى الألغام
• قانون zipfs -> منحنى مناسب لتوزيع الترسب المعدنية
• Pyasx -> تجريد موجز بيانات ASX
• أسعار المعادن API -> الخدمات الدقيقة الحاوية

التصور

• ناباري -> عارض صورة متعدد الأبعاد
• Holoviews -> تصور البيانات على نطاق واسع
• GraphViz -> رسم بياني رسم/عرض معلومات تثبيت Windows
• مكاني كدي

colormaps

• cet colormappaps cet
• Pu Colormaps -> تنسيق للمستخدم في محلل العلوم الأرضية
• تشوهات Colormap -> تطبيق لوحة لإظهار التشوهات التي تم إنشاؤها بواسطة colormaps غير الحسي على البيانات الجيوفيزيائية
• تمزيق البيانات من ColorMpas
• تفتح مشاريع كود العلوم الجيولوجي

الجيولوجي

• Geospatial>- تثبيت حزم بيثون شائعة متعددة
• Python الجغرافية المكانية -> قائمة منسقة

مداخن التكنولوجيا

ج

• GDAL -> إطار تحويل البيانات وتحليله حاسم للغاية
  • الأدوات -> ملاحظة تحتوي على العديد من أدوات سطر الأوامر المفيدة جدًا أيضًا

جوليا

• جوليا الأرض -> تعزيز علم البيانات الجغرافية المكانية والنمذجة الجيولوجية في علوم الأرض
• جوليا الديناميكا الجيولوجية -> رمز الديناميكا الجيولوجية الحسابية
• مقدمة لجوليا لعلوم الجيوس

بيثون - بيداتا

• Anaconda -> احصل على الكثير مثبت بالفعل مع مدير الحزمة هذا.
  • GDAL et al -> أخرج الألم من GDAL و TensorFlow هنا
  • git bash -> الحصول على كوندا للعمل في باش git
• صفيفات متعددة الأبعاد numpy
• تحليل البيانات الجدولية الباندا
• Matplotlib التصور
• Zarr -> صفيفات موزعة مضغوطة
• Dask -> حوسبة موزعة موزعة
  • Dask Cloud Provider -> ابدأ تلقائيًا مجموعات Dask على السحابة
  • Dask Median -> دفتر ملاحظات يعطي نموذجًا أوليًا للوظيفة الوسيطة داسك
• النظام البيئي الجغرافي المكاني -> المعلومات المنسقة

الصدأ - جوروست

• Georust -> مجموعة من الأدوات المساعدة الجغرافية المكانية في الصدأ

قواعد البيانات

• DuckDB -> في عملية OLAP DB في السرعة - لديها بعض قدرات الجغرافية المكانية والصفيف
• Ibis + Duckdb Geopsatial -> Scipy2024 Talk

علم البيانات

• قالب علم بيانات بيثون -> إعداد حزمة المشروع
• علم بيانات بيثون رائع -> دليل منسق

احتمال

• Distfit -> تركيب كثافة الاحتمالات

علوم

• موارد بيثون لعلوم الأرض
• الحوسبة العلمية رهيبة

عامل ميناء

• AWS حاويات التعلم العميق
• عامل ميناء مكاني
• DL Docker Geospatial
• الروك
• Docker Lambda
• Geobase
• DL Docker Geospatial

الأنطولوجيا

• الجمعية الجيولوجية لمفردات كوينزلاند
  • قاعدة بيانات الخصائص الجيولوجية
  • الجيولوجية
• الجمعية الجيولوجية في أستراليا الغربية
• الطبقية
• مدير المعرفة الجيولوجي
• المفردات Geosciml

كتب

بايثون

• كتاب طبخ التحليل الجغرافي المكاني للبيثون
• المعالجة الجغرافية مع Python -> Manning LiveBook

آخر

• كتاب مدرسي
• التعلم الآلي في صناعة النفط والغاز
• الجغرافية مع ص
• EarthData Cloud Cookbook -> كيفية الوصول إلى موارد ناسا
• كتاب طبخ منظف البيانات -> استخدام أدوات UNIX لاستخدام جيد في تجميع البيانات والتنظيف
• موسوعة علوم الأرض الرياضية
• كتيب علوم الأرض الرياضية

آخر

• Gxpy -> Geosoft Python API
• Eartharxiv -> تنزيل الأوراق من أرشيف preprint
• ESSOAR -> أرشيف الورق preprint

مجموعات البيانات

عالم

الجيولوجيا

• صخرة -> جيولوجيا معممة للعالم
• GLIM -> خريطة الليثولوجيا العالمية
• علم الجيولوجيا البيولوجية أطلس من خرائط Paleogeographic
• الطبقات الرسوبية -> سماكة شبكية عالمية 1 كم من التربة ، والروليث ، وطبقات الرواسب الرسوبية
• خريطة الإجهاد العالمي -> التجميع العالمي للمعلومات حول مجال الإجهاد في الوقت الحالي
• GMBA -> Global Mountain Inventory

الجيوفيزياء

جاذبية

• الانحناء -> تحليل الانحناء العالمي من بيانات التدرج الجاذبية
• WGM 2012

المغناطيس

• EAMG2V3 _> شبكة الشذوذ المغناطيسي الأرض
• WDMAM -> خريطة الشذوذ المغناطيسي الرقمي العالمي

المغناطيسية

• EMC -> نموذج عكسي ثلاثي الأبعاد عالمي للتوصيل الكهربائي

زلزالي

• مختبر slnaafsa
• مختبر CAM2016
• Moho -> بيانات Gemma
• بيانات Moho -> Szwillus
• السرعة الزلزالية -> Debayle et al
• Lithoref18 -> نموذج مرجعي عالمي للليثوسفير والعباء العلوي من انعكاس المفصل وتحليل مجموعات البيانات المتعددة
• Crust1.0 -> Global Crustal Model Netcdf
• نظرة عامة على الصفحة الرئيسية

حراري

• تدفق الحرارة

عام

• Deep Time Digital Earth -> البيانات والتصور لمجموعة متنوعة من مصادر البيانات والنماذج
• EarthChem -> الحفاظ على المجتمعات والاكتشاف والوصول والتصور للبيانات الجيوكيميائية والجيولوجية والبترولوجية
• Georoc -> التركيب الجيوكيميائي للصخور
• الجيولوجيا العالمية -> وصفة قصيرة لصنع خريطة جيولوجيا عالمية بتنسيق نظم المعلومات الجغرافية (مثل FASEFILE) ، مع تعيين النطاقات العمرية إلى GTS2020 الزمنية
• لجنة مقاطعات igenous الكبيرة
• عباءة أعمدة
• سمك الرواسب -> خريطة
• spatialreference.org -> مستودع لموقع الويب

أستراليا

• نموذج الأرض المشترك
• خريطة معدنية ثقيلة
• خريطة معدنية ثقيلة لطيار أستراليا
• التطبيق اللامع

الكيمياء الجيولوجية

• شبكات تنبؤية لتركيزات الأكسيد الرئيسية في الصخور السطحية و regolith على القارة الأسترالية -> أكاسيد مختلفة

الجيولوجيا

• صخور القلوية أطلس
• cenozoic
• الوسيط
• حقب الحياة القديمة
• archaean
• يبحث
• الصخور القلوية البروتيروزويك -> Proterozoic القلوية والصخور البركانية ذات الصلة الأسترالية GIS
• cenozoic
• الوسيط
• حقب الحياة القديمة
• archaean
  • Paper https://ecat.ga.gov.au/geonetwork/srv/eng/catalog.search#/metadata/147963
• علم الهيدروجين -> خريطة علم الهيدروجين لأستراليا
• علم الهيدروجين -> 5M
• الجيولوجيا ذات الطبقات -> 1M
• الجيولوجيا السطحية -> 1M مقياس
• مجموعة بيانات GIS الأسترالية Mafic-ultramafic

الجيوفيزياء

• الجاذبية -> 2019 أستراليا شبكات الجاذبية الوطنية

المغناطيس

• TMI -> خريطة الشذوذ المغناطيسي لأستراليا ، الطبعة السابعة ، 2019 TMI
• 40m -> نسخة 40M
• VRTP -> شبكة الكثافة المغناطيسية الكلية (TMI) في أستراليا مع تخفيض متغير إلى القطب (VRTP) 2019
• 1VD -> شبكة الكثافة المغناطيسية الكلية لأستراليا 2019 - المشتق العمودي الأول (1VD)

القياسات الإشعاعية

• القياسات الإشعاعية -> شبكة الإشعاع الكاملة لأستراليا (RADMAP) V4 2019 مع infill على غرار
• K -> الشبكة الإشعاعية لأستراليا (RADMAP) V4 2019 شبكة البوتاسيوم التي تمت تصفيتها
• U -> الشبكة الإشعاعية لأستراليا (RADMAP) V4 2019 PPM اليورانيوم
• Th -> شبكة Radiometric of Australia (Radmap) V4 2019 PPM Thorium
• TH/K -> شبكة الإشعاع من أستراليا (RADMAP) V4 2019 ثوريوم فوق البوتاسيوم
• U/K -> الشبكة الإشعاعية لأستراليا (RADMAP) V4 2019 يورانيوم فوق البوتاسيوم
• U/TH -> شبكة الإشعاع من أستراليا (RADMAP) V4 2019 يورانيوم فوق الثوريوم
• U Squared/Th -> شبكة الإشعاع من أستراليا (Radmap) v4 2019 نسبة اليورانيوم مربعة فوق الثوريوم
• معدل الجرعة-> شبكة الإشعاع من أستراليا (RADMAP) V4 2019 معدل جرعة الأرض المصفاة
• الصورة الثلاثية -> شبكة Radiometric of Australia (Radmap) V4 2019 - Ternary Image (K ، Th ، U)

AUSAEM

• AUSAEM 1 -> AUSAEM YEAR 1 NT/QLD Airborne Coledbroxnetic Survey ؛ منتجات انعكاس الأرض ذات الطبقات الجا
• AUSAEM 1 -> AUSAEM YEAR 1 NT/QLD: TEMPEST® COLLORMAGNETIC DATA و EM FLOW® الموصلية
• AUSAEM 1 -> حزمة بيانات التفسير AUSAEM1
• AUSAEM 2 -> AUSAEM 02 WA/NT 2019-20 مسح كهرومغناطيسي محمول جواً
• AUSAEM -WA -> AUSAEM -WA ، MURCHISON Airborne Coleds Clocks
• AUSAEM-WA-> AUSAEM-WA ، Southwest-Albany Clocks Airborne Coleds Airbann
• AUSAEM -WA -> AUSAEM WA 2020-21 ، Eastern Goldfields & East Yilgarn Airborne
• AUSAEM -WA -> AUSAEM (WA) 2020-21 ، earaheedy & Desert Strip
• AUSAEM ERC -> AUSAEM Eastern Resources Corridor
• AUSAEM WRC -> ممر الموارد الغربية AUSAEM
• نظرة عامة إنترب
• شبكات الموصلية السطحية الوطنية والقريبة من السطح -> الاستيفاء الوطني ML لـ AUSEM بطريقة مماثلة لشمال أستراليا

Auslamp

• Auslamp Sea -> نموذج المقاومة في جنوب شرق أستراليا البر الرئيسي من بيانات Auslamp Magnetotelluric
• بيانات فيكتوريا
• بيانات نيو ساوث ويلز
• Auslamp Tisa -> نموذج المقاومة المستمدة من المغناطيسية: مشروع Auslamp -Tisa
• نموذج مقاومة ليهوسفيري أوسلامب ديلمريان من أوروجريان ديلاميري من بيانات المغناطيسية الأثنية
• Auslamp ne sa
• Auslamp Gawler
• محطات Auslamp -> حوالي عام 2017
• ورقة تسمانيدس

موهو

• موهو 2019 و 2023
  • ورق

الودائع المعدنية

• الإعداد الجيولوجي والعمر ووقوف الرواسب المعدنية الأسترالية الكبرى
• مجموعة بيانات شاملة لإنتاج المناجم الأسترالي من 1799 إلى 2021
  • ورق

إمكانات المعادن

• نظرة عامة - Geoscience Australia -> نظرة عامة على المنشورات ومجموعات البيانات
• استضافت الرواسب الزنك
• تقرير
• استضافت الرواسب النحاس
• تقرير
• خلاصة
• عناصر الأرض النادرة الكربونية
  • ورق

منجم النفايات

• أسترالي منجم النفايات

العنوان الأصلي

• محكمة اللقب الوطنية الوطنية

الاستشعار عن بعد

• Landsat Bare Earth - متوسط ​​الأرض من Landsat
• محسّن صور لاندسات للأرض المحسنة للتربة والنمذجة الليثولوجية: مجموعة البيانات -> تفاصيل التعزيز
• تم تعيين بصمة التعدين العالمية من صور الأقمار الصناعية عالية الدقة ** ورقة
• dem -> Australia 1 Sec SRTM DEM من أنواع مختلفة

بناء

• الحدود القشرية الرئيسية لأستراليا - 2024 طبعة

سرعة

• Au Tomo -> نموذج سرعة الجيل التالي للقشرة الأسترالية من التصوير المتزامن وغير المتزامن للضوضاء المحيطة

التضاريس

• الموضع الطبوغرافي متعدد النطاقات - RGB
• معلومات
• مؤشر الرطب الطبوغرافي - 1 و 3 ثواني قوس
• معلومات
• فهرس الموضع الطبوغرافي - 1 و 3 ثواني
• معلومات
• نموذج شدة التجوية
  • ورق
• معلومات
• {info] (https://researchdata.edu.au/weathering-intense-model-australia/1361069)

شمالي

• سماكة تغطية تيسا -> نقاط سماكة تين ل Tennant Creek Mt ISA مع شبكات محرف
• رسم خرائط الموصلية عالية الدقة باستخدام مسح AEM الإقليمي والتعلم الآلي -> ML استيفاء الموصلية لـ AUSAEM
• ملخص ممتد
• الجيولوجيا الصلبة -> الجيولوجيا الصلبة في شمال أستراليا كراتون
• نماذج الانعكاس -> نماذج الجاذبية والانقلاب المغناطيسي في شمال أستراليا
• Ni-Cu-Pge-> إمكانية رواسب كبريتيد Ni-Cu-Pge المستهدفة في أستراليا: تحليل على نطاق قاري لنظام المعادن
• Tisa IOCG -> تقييم أكسيد النحاس الذهب (IOCG) التقييم المعدني المحتملة لـ Tennant Creek -MT ISA: البيانات الجغرافية المكانية
• TISA ALTING -> إنتاج وكلاء تغيير المغنتيت والهيماتيت باستخدام الجاذبية ثلاثية الأبعاد والانعكاس المغناطيسي

جنوب أستراليا

الجيولوجيا

• جيولوجيا الأساس
• الطابق السفلي البلوري -> الطابق السفلي البلوري يتقاطع مع الثقوب الحفر
• الألغام والودائع المعدنية
• الحفر المعدنية
• الجيولوجيا الصلبة 3D
• 100K أخطاء
• archaean
• أخطاء archaean
• mesoproterozoic -> الوسط
• mesoproterozoic -> الأخطاء الوسطى
• mesoproterozoic -> متأخر
• أخطاء mesoproterozoic -> أخطاء متأخرة
• Neoproterozoic
• أخطاء neoproterozoic
• Stuart الجرف النحاس النحاس 3D نموذج
• الجيولوجيا السطحية

الجيوفيزياء

• Auslamp 3D -> انقلابات المغنطيسية
• GCAS -> مسح Gawler Craton Airborne
• الجاذبية -> شبكات الجاذبية
• المحطات -> محطات الجاذبية
• المغناطيس -> المغناطيسية
• الخطوط الزلزالية -> الخطوط الزلزالية

جاولر

• Gawler MPP -> مشروع الترويج المعدني Gawler - البيانات

كوينزلاند

• ملخص
• كوينزلاند التعدين العميق-> كوينزلاند التعدين العميق
• إيداع أطلس -> شمال غرب المقاطعة المعدنية الأطلس أطلس
• الجيولوجيا -> نظرة عامة على سلسلة الجيولوجيا
• تقرير المعادن والطاقة -> تقرير مقاطعة كوينزلاند والطاقة الشمالية الغربية لعام 2011 -NWQMEP
• المتجهات -> ناقلات الكيمياء الجيولوجية المعدنية
• آبار البترول
• آبار غاز التماس الفحم
• الحفر

cloncurry

• مجموعة أدوات -> مجموعة أدوات متعددة الأدوات والمختبر

الإقليم الشمالي

• Arunta IOCG-> إمكانات أكسيد الحديد الذهب في منطقة أرونتا الجنوبية
• جنوب اليورانيوم -> تقييم بيانات اليورانيوم الجنوبية الشمالية والطاقة الحرارية الأرضية حزمة بيانات Digil
• Tennant Creek -> نموذج الموصلية المستمدة من البيانات المغنطيسية في منطقة تينانت الشرقية ، الإقليم الشمالي

نيو ساوث ويلز

الجيولوجيا

• الجيولوجيا غير الملحومة -> حزمة بيانات الجيولوجيا غير الملحومة (الإصدار الأقدم أيضًا في هذه الصفحة)

حزم البيانات المحتملة المعدنية

• Curnamona
• شرق لشلان
• وسط Lachlan
• جنوب نيو إنجلاند

أستراليا الغربية

الكيمياء الجيولوجية

• mafic/ultramafic

الجيولوجيا

• 100 كيلو بايت
• 100K Mapsheets لـ Surface ، عليك تنزيلها بشكل فردي ودمجها - فهي ليست متسقة
• 250k Mapsheets لـ Surface ، عليك تنزيلها بشكل فردي ودمجها - فهي ليست متسقة
• 500 كيلو بيروك
• المناجم المهجورة
• حوادث المعادن

إمكانات المعادن

• نيكل المستضافة Komatiite
• تقرير

احتمالية

• Capricorn-> تحليل الاحتمالات باستخدام نهج أنظمة المعادن - مشروع دراسة حالة الجدي
• King Leopold -> الاحتمالية المعدنية لملك Leopold Orogen و Lennard Shelf: تحليل البيانات الميدانية المحتملة في منطقة West Kimberley
• ييلغارن الذهب
• Yilgarn 2 -> اكتشاف المعادن التنبؤية في شرق Yilgarn Craton: مثال على الاستهداف على نطاق المقاطعة لنظام المعادن الذهب الجولبي
• [SHOP NOTE] -> WA لديها بعض الحزم الاحتمالية المتاحة للشراء على محرك أقراص USB لأسعار نوع 50-60AU -انظر في قسم الخرائط الجغرافية

تسمانيا

الجيولوجيا

• 250 ألف
• 500 ألف
• 25 ألف
• حوادث المعادن
• نموذج ثلاثي الأبعاد

فيكتوريا

• الجيولوجيا غير الملحومة

نيوزيلندا

• حزمة البيانات المعدنية -> حزمة بيانات الاستكشاف المعدنية

أمريكا الشمالية

• تحتوي بيانات وشبكات الجيوفيزيائية والجيولوجية والمعدنية على نطاق وطني على بعض بيانات أستراليا
• آبار المياه الجوفية -> قاعدة بيانات
• أقصى توجهات الإجهاد الأفقي وبيانات حجم الإجهاد النسبي (نظام الصدع) في جميع أنحاء أمريكا الشمالية

كندا

الجيولوجيا

• رسم خريطة
• الجيولوجيا -> خريطة جيولوجيا الأساس المحدثة
• الجيولوجيا -> تجميع الجيولوجيا في الأساس والتوليف الإقليمي لجنوب راي وأجزاء من مجالات هيرن ، مقاطعة تشرشل ، المناطق الشمالية الغربية ، ساسكاتشوان ، نونافوت ، مانيتوبا وألبرتا
• Moho -> قاعدة البيانات الوطنية لعمق Moho تقديرات تقديرات الانكسار الزلزالي والمسوحات الزلزالية

الجيوفيزياء

• بحث DAP -> بحث Geoportal - لاحظ بشكل مزعج أن هذه في شبكات Geosoft - انظر elsewere للحصول على محتملة التحويل
• [الجاذبية ، المغناطيسية ، القياسات الإشعاعية] -> في الغالب مقياس البلد

أوروبا

فنلندا

• FODD -> الودائع المعدنية Fennoscandian

أيرلندا

• MPM -> مشروع رسم الخرائط القوية المعدنية

أوراق مع رمز

البرمجة اللغوية العصبية

• https://www.sciencedirect.com/science/article/pii/s2590197422000064؟via٪3dihub#bib20- -> نماذج لغة العلوم الجيولوجية وتقييمها الجوهري -> رمز NRCAN أعلاه [يشمل نموذج]
• https://www.researchgate.net/publication/334507958_word_embeddings_for_application_in_geosciences_development_evaluation_and_examples_of_soil -related_concepts -> geovec [يتضمن نموذجًا]
• https://www.researchgate.net/publication/347902344_portuguese_word_embeddings_for_the_oil_and_gas_industry_development_and_evaluation -> بتروفيك [يتضمن نموذجًا]
• مورد للبحث الآلي وترتيب مجموعات البيانات الجيوكيميائية من مكملات المجلة

الكيمياء الجيولوجية

• https://www.researchgate.net/publication/365758387_a_resource_for_automated_search_and_collation_of_geochemical_datasets_from_journal_supplements
  • https://github.com/erinlmartin/figshare_geoscrape؟s=09

الجيولوجيا

• https://github.com/sydney-machine-learning/autoencoders_remotesensing-> أدوات تلقائية مكدسة لرسم الخرائط الليثولوجية

المعدنية

• https://www.researchgate.net/publication/318839364_network_analysis_of_mineralogical_systems

أوراق مع بيانات الميزات

• هذه يمكنك إعادة إنتاج الإخراج الجغرافي من البيانات الواردة.

احتمالية المعادن

• https://www.sciencedirect.com/science/article/pii/S016913682100010X#S0135 -> النمذجة الاحتمالية للأنظمة المعدنية الكندية Ni (± Cu ± Co ± Pge) systems sulphide [Well Worth Reading]
• https://www.sciencedirect.com/science/article/pii/s0169136821006612#b0510 -> نمذجة الاحتمالات التي تحركها البيانات -النمذجة المعدنية للرواسب -Zn -Pb المعدنية والمواد الخام المهمة [تستحق القراءة]
• https://www.researchgate.net/publication/358956673_towards_a_ly_data-driven_prosivitive_mapping_methodology_a_case_study_of_the_southeastern_churchill_province_quebec_and_labrador

انجلترا

• https://www.researchgate.net/publication/358083076_machine_learning_for_geochemical_exploration_classify_metallogenic_fertility_in_arc_magmas_and_insights_into_porphyry_copper_deposit_formation

الكيمياء الجيولوجية

• https://www.researchgate.net/publication/361076789_automated_machine_learning_pipeline_for_geochemical_analysis

الجيولوجيا

• https://eprints.utas.edu.au/32368/ -> النمذجة الماكينة للطباعة والميتاسمية

الجيوفيزياء

• https://github.com/tomasnaprstek/aeromagnetic_cnn - cnn aeromagnetic
• الورق https://www.researchgate.net/publication/354772176_convolution_neural_networks_applied_to_the_interpretation_of_lineaments_in_aeromagnetic_data
• دكتوراه -> طرق جديدة لاستيفاء وتفسير السلالات في البيانات المغناطيسية
• ورقة https://www.researchgate.net/publication/354772176_convolution_neural_networks_applied_to_the_interpretation_of_lineaments_in_aeromagnetic_data -

الإخراج الجغرافي المكاني - لا رمز

• https://geoscience.data.qld.gov.au/report/cr113697 -> NWMP Data -Driven -Exploration والتعيين الجيولوجي [CSIRO أيضًا]

المجلات

• https://www.sciencedirect.com/journal/artificial-intelligence-in-geosciences-> الذكاء الاصطناعي في علوم الأرض

أوراق

• عمومًا ليس ML ، أو لا توجد رمز/بيانات وأحيانًا لا يتوافق على الإطلاق
• في النهاية سوف ينفصل إلى أشياء تحتوي على حزم بيانات أو لا تحب دراسات منطقة نيو ساوث ويلز.
• ومع ذلك ، إذا كنت مهتمًا بمنطقة ، فيمكنك في كثير من الأحيان صورة جغرافية إذا لم يكن هناك شيء آخر كدليل تقريبي.
• بشكل عام ، هذه ليست قابلة للتكرار - عدد قليل مثل دراسات منطقة احتمالية نيو ساوث ويلز و NWQMP مع بعض الأعمال.
• قد يتم سرد الورقة العرضية في هذا القسم أعلاه

جديد في الملف

عام

• https://www.researchgate.net/publication/337650865_a_combinative_knowledge-driven_integration_method_for_integrating_geophysical_layers_with_geological_and_geochemical_datasets
• https://link.springer.com/article/10.1007/S11053-023-10237-
• https://www.researchgate.net/publication/235443297_addressing_challenges_with_exploration_datasets_to_generate_usable_mineral_potential_maps
• https://www.researchgate.net/publication/330077321_an_improved_data-driven_multiple_criteria_decision-making_procedure_for_spatial_modeling_of_mineral_prosivitive_adaption_of_predution-area_plot_logiction_logiction_logictions_logictions_logistic
• الذكاء الاصطناعي للاستكشاف المعدني: مراجعة ووجهات نظر حول الاتجاهات المستقبلية من علوم البيانات -> https://www.sciendirect.com/science/article/pii/s0012825224002691
• https://www.researchgate.net/project/bayesian-machine-learning-for-goological-modeling-and-geophysical
• https://www.researchgate.net/publication/229714681_classifiers_for_modeling_of_mineral_potential
• https://www.researchgate.net/publication/352251078_data_analysis_methods_for_prosivitive_modelling_as_applied_to_mineral_exploration_targeting_state-of-art_and_outlook
• https://www.researchgate.net/publication/267927728_data-driven_evidential_belief_modeling_of_mineral_potential_using_few_prospects_and_vidence_with_missing_values
• https://www.linkedin.com/pulse/deep-learning-meets-downward-caldera-analytics/؟trackingid=ybkv3ukni7ygh3irchzdgw٪3d٪3d
• https://www.researchgate.net/publication/382560010_dinov2_rocks_geological_image_analysis_classification_segmentation_and_interpretable
• https://www.researchgate.net/publication/368489689_discrimination_of_pb-zn_deposit_types_using_sphalerite_geochemistry_new_insights_from_machine_learning_algorithm
• https://link.springer.com/article/10.1007/S11430-024-1309-9-> نماذج الذكاء الاصطناعي القابلة للتفسير لرسم الخرائط للمعادن
• https://www.researchgate.net/publication/229792860_from_predictive_mapping_of_mineral_prospectivitive_to_quantitative_estimation_of_number_of_undcovered_prospects
• https://www.researchgate.net/publication/339997675_ly_reversible_neural_networks_for_large-scale_surface_and_sub-surface_characterization_via_remote_sensing
  • arxiv
  • عرض تقديمي
  • مؤتمر
  • جوليان
• https://www.researchgate.net/publication/220164488_geocomputation_of_mineral_exploration_targets
• https://www.researchgate.net/publication/272494576_geologicle_knowledge_discovery_and_minerals_targeting_from_regolith_using_a_machine_learning_approach
• https://www.researchgate.net/publication/280013864_geometric_average_of_spatial_evidence_data_layers_a_gis conval_multi-criteria_decision-making_approach_to_mineral_prosivity_mapping
• https://www.researchgate.net/publication/355467413_harnessing_the_power_of_artificial_intelligence_and_machine_learning_in_mineral_exploration-opportunities_and_cautionary_notes
• https://www.researchgate.net/publication/335819474_importance_of_spatial_predictor_variable_selection_in_machine_learning_applications_-moving_from_data_reproduction_to_spatial_predution
• https://www.researchgate.net/publication/337003268_improved_supervised_classification_of_bedrock_in_areas_of_transported_overden_applying_domain_expertise_at_kerkasha_eretrea - gazley/hood
• https://www.researchgate.net/publication/36060467_lithospheric_conductors_reveal_source_regions_of_convergent_margin_mineral_systems
• https://api.research-repository.uwa.edu.au/portalfiles/portal/5263287/lysytsyn_volodymyr_2015.pdf (أطروحة دكتوراه) تنظيم احتمالية النحاس القائم على الجهاز التنبسي
• https://www.researchgate.net/publication/374972769_knowledge_and_technology_transfer_in_and_beyond_mineral_exploration -> المعرفة والتكنولوجيا نقل في وخارجها الاستكشاف المعدني
• https://www.researchgate.net/publication/331946100_machine_learning_for_data-driven_discovery_in_solid_earth_geoscience
• https://theses.hal.science/tel-04107211/document-أساليب التعلم الآلي لمصادر غير متجانسة الجيولوجية تحت السطح السطحي
• https://www.researchgate.net/publication/309715081_magmato-hydrothermal_space_a_new_metric_for_geochemical_characterisation_of_metallic_ore_deposits-مساحة magmato-hydrothermal: a newchemical pribision of metallic ore ore ore ore ore ore ort
• https://www.researchgate.net/publication/220164234_mapping_complexity_of_spatial_distribution_of_faults_using_fractal_and_multifractal_models_vectoring_towards_targets
• https://www.researchgate.net/publication/220163838_objective_selection_of_suitable_unit_cell_size_in_data-driven_modeling_of_mineral_prosivity
• https://www.researchgate.net/publication/273500012_prediction-area_p-a_plot_and_c-a_fractal_analysis_to_classify_and_evalate_evidential_maps_for_mineral_prosivity_modeling
• https://www.researchgate.net/publication/354925136_soil-sample_geochemistry_normalised_by_class_members_from_machine-learnt_clusters_of_satellite_and_geophysics_data [gazley/hood]
• https://link.springer.com/article/10.1007/S12665-024-11870-1-> القياس الكمي لعدم اليقين في الخرائط الجيولوجي التي تعتمد على المشاركة الحسية البشرية
• https://www.researchgate.net/publication/235443294_the_effect_of_map-scale_on_geological_complexity
• https://www.researchgate.net/publication/235443305_the_effect_of_map_scale_on_geological_complexity_for_computer-edide_exploration_targeting
• https://link.springer.com/article/10.1007/S11053-024-10322-8-> عدم اليقين الناجم عن سير العمل في رسم خرائط للمعادن المعدنية.

احتمالية المعادن

أستراليا

• https://www.mdpi.com/2072-4292/15/16/4074-
• https://www.researchgate.net/publication/353253570_a_truly_spatial_random_forests_algorithm_for_geoscience_data_analysis_and_modelling
• https://www.researchgate.net/publication/253217016_advanced_methodologies_for_the_analysis_of_databases_of_mineral_deposits_and_major_faults
• https://www.researchgate.net/publication/362260616_assessing_the_impact_of_conceptual_mineral_systems_uncertaily_on_prospirtivitive_predictions
• https://www.researchgate.net/publication/352310314_central_lachlan_mineral_potential_study
• https://meg.resourcesregulatulator.nsw.gov.au/sites/default/files/2024-05/eith٪202000٪20muller_exploration_in_the_house_keynote.pdf -> المعادن الحرجة -رسم خرائط للاحتمالات باستخدام AI.
• https://www.tandfonline.com/doi/pdf/10.1080/22020586.2019 Gawler Craton ، جنوب أستراليا
• https://www.researchgate.net/publication/365697240_mineral_potential_modelling_of_orogenic_gold_systems_in_the_granites-tanami_orogen_northern_territory_australia_a_multi-technique_appoct
• https://publications.csiro.au/publications/publication/picsiro:ep2022-0483 -> توقيعات الأنظمة المعدنية الرئيسية في مقاطعة شرق جبل عيسى ، كوينزلاند: منظورات جديدة من تحليلات البيانات
• https://link.springer.com/article/10.1007/s11004-021-09989-z-> النمذجة العشوائية لأهداف الاستكشاف المعدني
• https://www.researchgate.net/publication/276171631_Supervised_Neural_Network_Targeting_and_Classification_Analysis_of_Airborne_EM_Magnetic_and_Gamma-ray_Spectrometry_Data_for_Mineral_Exploration
• https://www.researchgate.net/publication/353058758_Using_Machine_Learning_to_Map_Western_Australian_Landscapes_for_Mineral_Exploration
• https://www.researchgate.net/publication/264535019_Weights-of-evidence_and_logistic_regression_modeling_of_magmatic_nickel_sulfide_prospectivity_in_the_Yilgarn_Craton_Western_Australia

الأرجنتين

• https://www.researchgate.net/publication/263542691_ANALYSIS_OF_SPATIAL_DISTRIBUTION_OF_EPITHERMAL_GOLD_DEPOSITS_IN_THE_DESEADO_MASSIF_SANTA_CRUZ_PROVINCE
• https://www.researchgate.net/publication/263542560_EVIDENTIAL_BELIEF_MAPPING_OF_EPITHERMAL_GOLD_POTENTIAL_IN_THE_DESEADO_MASSIF_SANTA_CRUZ_PROVINCE_ARGENTINA
• https://www.researchgate.net/publication/277940917_Porphyry_epithermal_and_orogenic_gold_prospectivity_of_Argentina
• https://www.researchgate.net/publication/269518805_Prospectivity_for_epithermal_gold-silver_deposits_in_the_Deseado_Massif_Argentina
• https://www.researchgate.net/publication/235443303_Prospectivity_mapping_for_multi-stage_epithermal_gold_mineralization_in_Argentina

البرازيل

• https://www.researchgate.net/publication/367245252_Geochemical_multifractal_modeling_of_soil_and_stream_sediment_data_applied_to_gold_prospectivity_mapping_of_the_Pitangui_Greenstone_Belt_northwest_of_Quadrilatero_Ferrifero_Brazil
• https://www.researchgate.net/publication/381880769_How_do_non-deposit_sites_influence_the_performance_of_machine_learning-based_gold_prospectivity_mapping_A_study_case_in_the_Pitangui_Greenstone_Belt_Brazil
• https://www.researchsquare.com/article/rs-5066453/v1 -> Enhancing Lithium Exploration in the Borborema Province, Northeast Brazil: Integrating Airborne Geophysics, Low-Density Geochemistry, and Machine Learning Algorithms
• https://www.researchgate.net/publication/362263694_Machine_Learning_Methods_for_Quantifying_Uncertainty_in_Prospectivity_Mapping_of_Magmatic-Hydrothermal_Gold_Deposits_A_Case_Study_from_Juruena_Mineral_Province_Northern_Mato_Grosso_Brazil
• https://www.researchgate.net/publication/360055592_Predicting_mineralization_and_targeting_exploration_criteria_based_on_machine-learning_in_the_Serra_de_Jacobina_quartz-pebble-metaconglomerate_Au-U_deposits_Sao_Francisco_Craton_Brazil

غامض

• https://www.researchgate.net/publication/272170968_A_Comparative_Analysis_of_Weights_of_Evidence_Evidential_Belief_Functions_and_Fuzzy_Logic_for_Mineral_Potential_Mapping_Using_Incomplete_Data_at_the_Scale_of_Investigation A Comparative Analysis of Weights of Evidence, Evidential Belief Functions, and Fuzzy Logic for Mineral Potential Mapping Using Incomplete Data at the Scale of Investigation
• https://www.researchgate.net/publication/360386350_Application_of_Fuzzy_Gamma_Operator_to_Generate_Mineral_Prospectivity_Mapping_for_Cu-Mo_Porphyry_Deposits_Case_Study_Kighal-Bourmolk_Area_Northwestern_Iran
• https://www.researchgate.net/publication/348823482_Combining_fuzzy_analytic_hierarchy_process_with_concentration-area_fractal_for_mineral_prospectivity_mapping_A_case_study_involving_Qinling_orogenic_belt_in_central_China
• https://tupa.gtk.fi/raportti/arkisto/m60_2003_1.pdf -> Conceptual Fuzzy Logic Prospectivity Analysis of the Kuusamo Area
• https://www.researchgate.net/publication/356508827_Geophysical-spatial_Data_Modeling_using_Fuzzy_Logic_Applied_to_Nova_Aurora_Iron_District_Northern_Minas_Gerais_State_Southeastern_Brazil
• https://www.researchgate.net/publication/356937528_Mineral_prospectivity_mapping_a_potential_technique_for_sustainable_mineral_exploration_and_mining_activities_-_a_case_study_using_the_copper_deposits_of_the_Tagmout_basin_Morocco

كندا

• http://www.geosciencebc.com/i/pdf/SummaryofActivities2015/SoA2015_Granek.pdf -> Advanced Geoscience Targeting via Focused Machine Learning Applied to the QUEST Project Dataset, British Columbia
• https://open.library.ubc.ca/soa/cIRcle/collections/ubctheses/24/items/1.0340340 -> Application of machine learning algorithms to mineral prospectivity mapping
• https://www.researchgate.net/publication/369599705_A_study_of_faults_in_the_Superior_province_of_Ontario_and_Quebec_using_the_random_forest_machine_learning_algorithm_spatial_relationship_to_gold_mines
• https://www.researchgate.net/publication/273176257_Data-_and_Knowledge_driven_mineral_prospectivity_maps_for_Canada's_North
• https://www.researchgate.net/publication/300153215_Data_mining_for_real_mining_A_robust_algorithm_for_prospectivity_mapping_with_uncertainties
• https://www.sciencedirect.com/science/article/pii/S1674987123002268 -> Development and application of feature engineered geological layers for ranking magmatic, volcanogenic, and orogenic system components in Archean greenstone belts
• https://qspace.library.queensu.ca/bitstream/handle/1974/28138/Cevik_Ilkay_S_202009_MASc.pdf?sequence=3&isAllowed=y -> MACHINE LEARNING ENHANCEMENTS FOR KNOWLEDGE DISCOVERY IN MINERAL EXPLORATION AND IMPROVED MINERAL RESOURCE CLASSIFICATION
• https://www.researchgate.net/publication/343511849_Identification_of_intrusive_lithologies_in_volcanic_terrains_in_British_Columbia_by_machine_learning_using_Random_Forests_the_value_of_using_a_soft_classifier
• https://www.researchgate.net/publication/365782501_Improving_Mineral_Prospectivity_Model_Generalization_An_Example_from_Orogenic_Gold_Mineralization_of_the_Sturgeon_Lake_Transect_Ontario_Canada
• https://www.researchgate.net/publication/348983384_Mineral_prospectivity_mapping_using_a_VNet_convolutional_neural_network
• corporate link
• https://www.researchgate.net/publication/369048379_Mineral_Prospectivity_Mapping_Using_Machine_Learning_Techniques_for_Gold_Exploration_in_the_Larder_Lake_Area_Ontario_Canada
• https://www.researchgate.net/publication/337167506_Orogenic_gold_prospectivity_mapping_using_machine_learning
• https://www.researchgate.net/publication/290509352_Precursors_predicted_by_artificial_neural_networks_for_mass_balance_calculations_Quantifying_hydrothermal_alteration_in_volcanic_rocks
• https://link.springer.com/article/10.1007/s11053-024-10369-7 -> Predictive Modeling of Canadian Carbonatite-Hosted REE +/− Nb Deposits
• https://www.sciencedirect.com/science/article/pii/S0098300422001406 -> Preliminary geological mapping with convolution neural network using statistical data augmentation on a 3D model
• https://www.researchgate.net/publication/352046255_Study_of_the_Influence_of_Non-Deposit_Locations_in_Data-Driven_Mineral_Prospectivity_Mapping_A_Case_Study_on_the_Iskut_Project_in_Northwestern_British_Columbia_Canada
• https://www.researchgate.net/publication/220164155_Support_vector_machine_A_tool_for_mapping_mineral_prospectivity
• https://www.researchgate.net/publication/348111963_Support_Vector_Machine_and_Artificial_Neural_Network_Modelling_of_Orogenic_Gold_Prospectivity_Mapping_in_the_Swayze_greenstone_belt_Ontario_Canada
• PhD thesis -> https://zone.biblio.laurentian.ca/bitstream/10219/3736/1/PhD%20Thesis%20Maepa_20210603.%281%29.pdf -> Exploration targeting for gold deposits using spatial data analytics, machine learning and deep transfer learning in the Swayze and Matheson greenstone belts, Ontario, Canada
• https://data.geology.gov.yk.ca/Reference/95936#InfoTab -> Updates to the Yukon Geological Survey's mineral potential mapping methodology
• http://www.geosciencebc.com/i/pdf/SummaryofActivities2015/SoA2015_Granek.pdf -> Advanced Geoscience Targeting via Focused Machine Learning Applied to the QUEST Project Dataset, British Columbia

Central Africa

• https://www.researchgate.net/publication/323452014_The_Utility_of_Machine_Learning_in_Identification_of_Key_Geophysical_and_Geochemical_Datasets_A_Case_Study_in_Lithological_Mapping_in_the_Central_African_Copper_Belt
• https://www.researchgate.net/publication/334436808_Lithological_Mapping_in_the_Central_African_Copper_Belt_using_Random_Forests_and_Clustering_Strategies_for_Optimised_Results

شيلي

• https://www.researchgate.net/publication/341485750_Evaluation_of_random_forest-based_analysis_for_the_gypsum_distribution_in_the_Atacama_desert

الصين

• https://www.researchgate.net/publication/374968979_3D_cooperative_inversion_of_airborne_magnetic_and_gravity_gradient_data_using_deep_learning_techniques - 3D cooperative inversion of airborne magnetic and gravity gradient data using deep learning techniques [UNSEEN]
• https://www.researchgate.net/publication/369919958_3D_mineral_exploration_Cu-Zn_targeting_with_multi-source_geoscience_datasets_in_the_Weilasituo-bairendaba_district_Inner_Mongolia_China
• https://www.researchgate.net/publication/350817136_3D_Mineral_Prospectivity_Mapping_Based_on_Deep_Metallogenic_Prediction_Theory_A_Case_Study_of_the_Lala_Copper_Mine_Sichuan_China
• https://www.researchgate.net/publication/336771580_3D_Mineral_Prospectivity_Mapping_with_Random_Forests_A_Case_Study_of_Tongling_Anhui_China
• https://www.sciencedirect.com/science/article/pii/S0169136823005772 -> 3D mineral prospectivity modeling in the Sanshandao goldfield, China using the convolutional neural network with attention mechanism
• https://www.sciencedirect.com/science/article/pii/S0009281924001144 -> 3D mineral prospectivity modeling using deep adaptation network transfer learning: A case study of the Xiadian gold deposit, Eastern China
• https://www.sciencedirect.com/science/article/pii/S0009281924000497 -> 3D mineral prospectivity modeling using multi-scale 3D convolution neural network and spatial attention approaches
• https://www.researchgate.net/publication/366201930_3D_Quantitative_Metallogenic_Prediction_of_Indium-Rich_Ore_Bodies_in_the_Dulong_Sn-Zn_Polymetallic_Deposit_Yunnan_Province_SW_China
• https://www.researchgate.net/publication/329600793_A_combined_approach_using_spatially-weighted_principal_components_analysis_and_wavelet_transformation_for_geochemical_anomaly_mapping_in_the_Dashui_ore-concentration_district_Central_China
• https://www.researchgate.net/publication/349034539_A_Comparative_Study_of_Machine_Learning_Models_with_Hyperparameter_Optimization_Algorithm_for_Mapping_Mineral_Prospectivity
• https://www.researchgate.net/publication/354132594_A_Convolutional_Neural_Network_of_GoogLeNet_Applied_in_Mineral_Prospectivity_Prediction_Based_on_Multi-source_Geoinformation
• https://www.researchgate.net/publication/369865076_A_deep-learning-based_mineral_prospectivity_modeling_framework_and_workflow_in_prediction_of_porphyry-epithermal_mineralization_in_the_Duolong_Ore_District_Tibet
• https://www.researchgate.net/publication/374982967_A_Framework_for_Data-Driven_Mineral_Prospectivity_Mapping_with_Interpretable_Machine_Learning_and_Modulated_Predictive_Modeling
• https://www.sciencedirect.com/science/article/pii/S0169136824002026 -> A Global-Local collaborative approach to quantifying spatial non-stationarity in three-dimensional mineral prospectivity modeling
• https://link.springer.com/article/10.1007/s11053-024-10344-2 -> A Heterogeneous Graph Construction Method for Mineral Prospectivity Mapping [UNSEEN]
• https://www.researchgate.net/publication/353421842_A_hybrid_logistic_regression_gene_expression_programming_model_and_its_application_to_mineral_prospectivity_mapping
• https://www.researchgate.net/publication/375764940_A_lightweight_convolutional_neural_network_with_end-to-end_learning_for_three-dimensional_mineral_prospectivity_modeling_A_case_study_of_the_Sanhetun_Area_Heilongjiang_Province_Northeastern_China
• https://www.researchgate.net/publication/339821823_A_Monte_Carlo-based_framework_for_risk-return_analysis_in_mineral_prospectivity_mapping
• https://www.researchgate.net/publication/373715610_A_Multimodal_Learning_Framework_for_Comprehensive_3D_Mineral_Prospectivity_Modeling_with_Jointly_Learned_Structure-Fluid_Relationships
• https://www.sciencedirect.com/science/article/pii/S0169136824001343 -> A novel hybrid ensemble model for mineral prospectivity prediction: A case study in the Malipo W-Sn mineral district, Yunnan Province, China
• https://www.researchgate.net/publication/347344551_A_positive_and_unlabeled_learning_algorithm_for_mineral_prospectivity_mapping
• https://www.researchgate.net/publication/335036019_An_Autoencoder-Based_Dimensionality_Reduction_Algorithm_for_Intelligent_Clustering_of_Mineral_Deposit_Data
• https://www.researchgate.net/publication/363696083_An_Integrated_Framework_for_Data-Driven_Mineral_Prospectivity_Mapping_Using_Bagging-Based_Positive_Unlabeled_Learning_and_Bayesian_Cost-Sensitive_Logistic_Regression
• https://link.springer.com/article/10.1007/s11053-024-10349-x -> An Uncertainty-Quantification Machine Learning Framework for Data-Driven Three-Dimensional Mineral Prospectivity Mapping
• https://link.springer.com/article/10.1007/s11004-023-10076-8 - An Interpretable Graph Attention Network for Mineral Prospectivity Mapping
• https://www.researchgate.net/publication/332751556_Application_of_hierarchical_clustering_singularity_mapping_and_Kohonen_neural_network_to_identify_Ag-Au-Pb-Zn_polymetallic_mineralization_associated_geochemical_anomaly_in_Pangxidong_district
• https://www.mdpi.com/2075-163X/14/9/945 -> Application of Machine Learning to Characterize Metallogenic Potential Based on Trace Elements of Zircon: A Case Study of the Tethyan Domain
• https://www.researchgate.net/publication/339096362_Application_of_nonconventional_mineral_exploration_techniques_case_studies
• https://www.researchgate.net/publication/325702993_Assessment_of_Geochemical_Anomaly_Uncertainty_Through_Geostatistical_Simulation_and_Singularity_Analysis
• https://www.researchgate.net/publication/368586826_Bagging-based_Positive-Unlabeled_Data_Learning_Algorithm_with_Base_Learners_Random_Forest_and_XGBoost_for_3D_Exploration_Targeting_in_the_Kalatongke_District_Xinjiang_China
• https://link.springer.com/article/10.1007/s11004-024-10153-6 -> Causal Discovery and Deep Learning Algorithms for Detecting Geochemical Patterns Associated with Gold-Polymetallic Mineralization: A Case Study of the Edongnan Region [UNSEEN]
• https://www.sciencedirect.com/science/article/pii/S0169136824001409 -> CNN-Transformers for mineral prospectivity mapping in the Maodeng–Baiyinchagan area, Southern Great Xing'an Range
• https://www.researchgate.net/publication/347079505_Convolutional_neural_network_and_transfer_learning_based_mineral_prospectivity_modeling_for_geochemical_exploration_of_Au_mineralization_within_the_Guandian-Zhangbaling_area_Anhui_Province_China
• https://www.researchgate.net/publication/352703015_Data-driven_based_logistic_function_and_prediction-area_plot_for_mineral_prospectivity_mapping_a_case_study_from_the_eastern_margin_of_Qinling_orogenic_belt_central_China
• https://www.sciencedirect.com/science/article/abs/pii/S0012825218306123 -> Deep learning and its application in geochemical mapping
• https://www.frontiersin.org/articles/10.3389/feart.2024.1308426/full -> Deep gold prospectivity modeling in the Jiaojia gold belt, Jiaodong Peninsula, eastern China using machine learning of geometric and geodynamic variables
• https://www.researchgate.net/publication/352893038_Detection_of_geochemical_anomalies_related_to_mineralization_using_the_GANomaly_network
• https://www.researchgate.net/publication/357685352_Determination_of_Predictive_Variables_in_Mineral_Prospectivity_Mapping_Using_Supervised_and_Unsupervised_Methods
• https://www.sciencedirect.com/science/article/abs/pii/S0375674221001370 -> Distinguishing IOCG and IOA deposits via random forest algorithm based on magnetite composition
• https://www.researchgate.net/publication/340401748_Effects_of_Random_Negative_Training_Samples_on_Mineral_Prospectivity_Mapping
• https://www.researchgate.net/publication/360333702_Ensemble_learning_models_with_a_Bayesian_optimization_algorithm_for_mineral_prospectivity_mapping
• https://www.researchgate.net/publication/267927676_Evaluation_of_uncertainty_in_mineral_prospectivity_mapping_due_to_missing_evidence_A_case_study_with_skarn-type_Fe_deposits_in_Southwestern_Fujian_Province_China
• https://www.mdpi.com/2075-163X/14/5/492 ->Exploration Vectors and Indicators Extracted by Factor Analysis and Association Rule Algorithms at the Lintan Carlin-Type Gold Deposit, Youjiang Basin, China
• https://www.researchgate.net/publication/379852209_Fractal-Based_Multi-Criteria_Feature_Selection_to_Enhance_Predictive_Capability_of_AI-Driven_Mineral_Prospectivity_Mapping
• https://www.researchgate.net/publication/338789096_From_2D_to_3D_Modeling_of_Mineral_Prospectivity_Using_Multi-source_Geoscience_Datasets_Wulong_Gold_District_China
• https://www.researchgate.net/publication/359714254_Geochemical_characterization_of_the_Central_Mineral_Belt_U_Cu_Mo_V_mineralization_Labrador_Canada_Application_of_unsupervised_machine-learning_for_evaluation_of_IOCG_and_affiliated_mineral_potential
• https://www.researchgate.net/publication/350788828_Geochemically_Constrained_Prospectivity_Mapping_Aided_by_Unsupervised_Cluster_Analysis
• https://www.researchgate.net/publication/267927506_GIS-based_mineral_potential_modeling_by_advanced_spatial_analytical_methods_in_the_southeastern_Yunnan_mineral_district_China
• https://www.researchgate.net/publication/380190183_Geologically_Constrained_Convolutional_Neural_Network_for_Mineral_Prospectivity_Mapping
• https://www.researchgate.net/publication/332997161_GNER_A_Generative_Model_for_Geological_Named_Entity_Recognition_Without_Labeled_Data_Using_Deep_Learning
• https://www.researchgate.net/publication/307011381_Identification_and_mapping_of_geochemical_patterns_and_their_significance_for_regional_metallogeny_in_the_southern_Sanjiang_China
• https://link.springer.com/article/10.1007/s11053-024-10334-4 -> Identification of Geochemical Anomalies Using an End-to-End Transformer
• https://www.researchgate.net/publication/359627130_Identification_of_ore-finding_targets_using_the_anomaly_components_of_ore-forming_element_associations_extracted_by_SVD_and_PCA_in_the_Jiaodong_gold_cluster_area_Eastern_China
• https://www.researchgate.net/publication/282621670_Identifying_geochemical_anomalies_associated_with_Au-Cu_mineralization_using_multifractal_and_artificial_neural_network_models_in_the_Ningqiang_district_Shaanxi_China
• https://www.sciencedirect.com/science/article/abs/pii/S0375674224000943 -> Integrate physics-driven dynamics simulation with data-driven machine learning to predict potential targets in maturely explored orefields: A case study in Tongguangshan orefield, Tongling, China
• https://www.researchgate.net/publication/329299202_Integrating_sequential_indicator_simulation_and_singularity_analysis_to_analyze_uncertainty_of_geochemical_anomaly_for_exploration_targeting_of_tungsten_polymetallic_mineralization_Nanling_belt_South_
• https://www.sciencedirect.com/science/article/abs/pii/S0883292724001987 -> Integrating soil geochemistry and machine learning for enhanced mineral exploration at the dayu gold deposit, south China block
• https://www.mdpi.com/2071-1050/15/13/10269 -> Intelligent Identification and Prediction Mineral Resources Deposit Based on Deep Learning
• https://link.springer.com/article/10.1007/s11053-024-10396-4 -> Interpretable SHAP Model Combining Meta-learning and Vision Transformer for Lithology Classification Using Limited and Unbalanced Drilling Data in Well Logging
• https://www.researchgate.net/publication/358555996_Learning_3D_mineral_prospectivity_from_3D_geological_models_using_convolutional_neural_networks_Application_to_a_structure-controlled_hydrothermal_gold_deposit
• https://www.researchgate.net/publication/352476625_Machine_Learning-Based_3D_Modeling_of_Mineral_Prospectivity_Mapping_in_the_Anqing_Orefield_Eastern_China
• https://www.researchgate.net/publication/331575655_Mapping_Geochemical_Anomalies_Through_Integrating_Random_Forest_and_Metric_Learning_Methods
• https://www.researchgate.net/publication/229399579_Mapping_geochemical_singularity_using_multifractal_analysis_Application_to_anomaly_definition_on_stream_sediments_data_from_Funin_Sheet_Yunnan_China
• https://www.researchgate.net/publication/328255422_Mapping_mineral_prospectivity_through_big_data_analytics_and_a_deep_learning_algorithm
• https://www.researchgate.net/publication/334106787_Mapping_Mineral_Prospectivity_via_Semi-supervised_Random_Forest
• https://www.researchgate.net/publication/236270466_Mapping_of_district-scale_potential_targets_using_fractal_models
• https://www.researchgate.net/publication/357584076_Mapping_prospectivity_for_regolith-hosted_REE_deposits_via_convolutional_neural_network_with_generative_adversarial_network_augmented_data
• https://www.researchgate.net/publication/328623280_Maximum_Entropy_and_Random_Forest_Modeling_of_Mineral_Potential_Analysis_of_Gold_Prospectivity_in_the_Hezuo-Meiwu_District_West_Qinling_Orogen_China
• https://www.sciencedirect.com/science/article/pii/S016913682400163X -> Metallogenic prediction based on fractal theory and machine learning in Duobaoshan Area, Heilongjiang Province
• https://www.sciencedirect.com/science/article/pii/S0169136824003810 -> Mineral prospectivity mapping susceptibility evaluation based on interpretable ensemble learning
• https://link.springer.com/article/10.1007/s11053-024-10386-6 -> Mineral Prospectivity Mapping Based on Spatial Feature Classification with Geological Map Knowledge Graph Embedding: Case Study of Gold Ore Prediction at Wulonggou, Qinghai Provinc
• https://www.researchgate.net/publication/235443301_Mineral_potential_mapping_in_a_frontier_region
• https://www.researchgate.net/publication/235443302_Mineral_potential_mapping_in_frontier_regions_A_Mongolian_case_study
• https://www.researchgate.net/publication/369104190_Mineral_Prospectivity_Mapping_Using_Attention-based_Convolutional_Neural_Network
• https://www.nature.com/articles/s41598-024-73357-0 -> Mineral prospectivity prediction based on convolutional neural network and ensemble learning
• https://www.researchgate.net/publication/329037175_Mineral_prospectivity_analysis_for_BIF_iron_deposits_A_case_study_in_the_Anshan-Benxi_area_Liaoning_province_North-East_China
• https://link.springer.com/article/10.1007/s11053-024-10335-3 -> Mineral Prospectivity Prediction Based on Self-Supervised Contrastive Learning and Geochemical Data: A Case Study of the Gold Deposit in the Malanyu District, Hebei Province, China [USEEN]
• https://www.researchgate.net/publication/377694139_Manganese_mineral_prospectivity_based_on_deep_convolutional_neural_networks_in_Songtao_of_northeastern_Guizhou
• https://www.researchgate.net/publication/ 351649498_Mineral_Prospectivity_Mapping_based_on_Isolation_Forest_and_Random_Forest_Implication_for_the_Existence_of_Spatial_Signature_of_Mineralization_in_Outliers
• https://www.researchgate.net/publication/358528670_Mineral_Prospectivity_Mapping_Based_on_Wavelet_Neural_Network_and_Monte_Carlo_Simulations_in_the_Nanling_W-Sn_Metallogenic_Province
• https://www.researchgate.net/publication/352983697_Mineral_prospectivity_mapping_by_deep_learning_method_in_Yawan-Daqiao_area_Gansu
• https://www.researchgate.net/publication/367106018_Mineral_Prospectivity_Mapping_of_Porphyry_Copper_Deposits_Based_on_Remote_Sensing_Imagery_and_Geochemical_Data_in_the_Duolong_Ore_District_Tibet - Mineral Prospectivity Mapping of Porphyry Copper Deposits Based on Remote Sensing Imagery and Geochemical Data in the Duolong Ore District, Tibet
• https://www.researchgate.net/publication/355749736_Mineral_prospectivity_mapping_using_a_joint_singularity-based_weighting_method_and_long_short-term_memory_network
• https://www.researchgate.net/publication/369104190_Mineral_Prospectivity_Mapping_Using_Attention-based_Convolutional_Neural_Network
• https://www.researchgate.net/publication/365434839_Mineral_Prospectivity_Mapping_Using_Deep_Self-Attention_Model
• https://www.researchgate.net/publication/379674196_Mineral_prospectivity_mapping_using_knowledge_embedding_and_explainable_ensemble_learning_A_case_study_of_the_Keeryin_ore_concentration_in_Sichuan_China
• https://www.researchgate.net/publication/350817877_Mineral_Prospectivity_Prediction_via_Convolutional_Neural_Networks_Based_on_Geological_Big_Data
• https://www.researchgate.net/publication/338871759_Modeling-based_mineral_system_approach_to_prospectivity_mapping_of_stratabound_hydrothermal_deposits_A_case_study_of_MVT_Pb-Zn_deposits_in_the_Huayuan_area_northwestern_Hunan_Province_China
• https://www.sciencedirect.com/science/article/pii/S0169136824003172 -> New insights into the metallogenic genesis of the Xiadian Au deposit, Jiaodong Peninsula, Eastern China: Constraints from integrated rutile in-situ geochemical analysis and machine learning discrimination
• https://www.researchgate.net/publication/332547136_Prospectivity_Mapping_for_Porphyry_Cu-Mo_Mineralization_in_the_Eastern_Tianshan_Xinjiang_Northwestern_China
• https://www.sciencedirect.com/science/article/pii/S0169136824001823 -> Quantitative prediction methods and applications of digital ore deposit models
• https://www.researchgate.net/publication/344303914_Random-Drop_Data_Augmentation_of_Deep_Convolutional_Neural_Network_for_Mineral_Prospectivity_Mapping
• https://www.researchgate.net/publication/371044606_Supervised_Mineral_Prospectivity_Mapping_via_Class-Balanced_Focal_Loss_Function_on_Imbalanced_Geoscience_DatasetsSupervised Mineral Prospectivity Mapping via Class-Balanced Focal Loss Function on Imbalanced Geoscience Datasets
• https://www.researchgate.net/publication/361520562_Recognizing_Multivariate_Geochemical_Anomalies_Related_to_Mineralization_by_Using_Deep_Unsupervised_Graph_Learning
• https://www.sciencedirect.com/science/article/pii/S0169136824003937 -> Semi-supervised graph convolutional networks for integrating continuous and binary evidential layers for mineral exploration targeting
• https://www.researchgate.net/publication/371044606_Supervised_Mineral_Prospectivity_Mapping_via_Class-Balanced_Focal_Loss_Function_on_Imbalanced_Geoscience_Datasets
• https://www.researchgate.net/publication/360028637_Three-Dimensional_Mineral_Prospectivity_Mapping_by_XGBoost_Modeling_A_Case_Study_of_the_Lannigou_Gold_Deposit_China
• https://link.springer.com/article/10.1007/s11053-024-10387-5 - Toward Data-Driven Mineral Prospectivity Mapping from Remote Sensing Data Using Deep Forest Predictive Model
• https://www.researchgate.net/publication/361589587_Unlabeled_Sample_Selection_for_Mineral_Prospectivity_Mapping_by_Semi-supervised_Support_Vector_Machine
• https://www.researchgate.net/publication/343515866_Using_deep_variational_autoencoder_networks_for_recognizing_geochemical_anomalies
• https://link.springer.com/article/10.1007/s11004-024-10151-8 -> Using Three-dimensional Modeling and Random Forests to Predict Deep Ore Potentials: A Case Study on Xiongcun Porphyry Copper–Gold Deposit in Tibet, الصين
• https://www.researchgate.net/publication/361194407_Visual_Interpretable_Deep_Learning_Algorithm_for_Geochemical_Anomaly_Recognition

مصر

• https://www.researchgate.net/publication/340084035_Reliability_of_using_ASTER_data_in_lithologic_mapping_and_alteration_mineral_detection_of_the_basement_complex_of_West_Berenice_Southeastern_Desert_Egypt

انجلترا

• https://www.researchgate.net/publication/342339753_A_machine_learning_approach_to_tungsten_prospectivity_modelling_using_knowledge-driven_feature_extraction_and_model_confidence
• https://www.researchgate.net/project/Enhancing-the-Geological-Understanding-of-SW-England-Using-Machine-Learning-Algorithms

إريتريا

• https://www.researchgate.net/publication/349158008_Mapping_gold_mineral_prospectivity_based_on_weights_of_evidence_method_in_southeast_Asmara_Eritrea

فنلندا

• https://www.researchgate.net/publication/360661926_Target-scale_prospectivity_modeling_for_gold_mineralization_within_the_Rajapalot_Au-Co_project_area_in_northern_Fennoscandian_Shield_Finland_Part_2_Application_of_self-organizing_maps_and_artificial_n
• https://www.sciencedirect.com/science/article/pii/S0169136824004037 -> Addressing imbalanced data for machine learning based mineral prospectivity mapping

فنلندا

• https://publications.csiro.au/publications/#publication/PIcsiro:EP146125/SQmineral%20prospectivity/RP1/RS50/RORECENT/STsearch-by-keyword/LISEA/RI12/RT26 -> A novel spatial analysis approach for assessing regional-scale mineral prospectivity In Northern Finland
• https://www.researchgate.net/publication/332352805_Boosting_for_Mineral_Prospectivity_Modeling_A_New_GIS_Toolbox
• https://www.researchgate.net/publication/324517415_Can_boosting_boost_minimal_invasive_exploration_targeting
• https://www.researchgate.net/publication/248955109_Combined_conceptualempirical_prospectivity_mapping_for_orogenic_gold_in_the_northern_Fennoscandian_Shield_Finland
• https://www.researchgate.net/publication/283451958_Data-driven_logistic-based_weighting_of_geochemical_and_geological_evidence_layers_in_mineral_prospectivity_mapping
• https://www.researchgate.net/publication/320280611_Evaluation_of_boosting_algorithms_for_prospectivity_mapping
• https://www.researchgate.net/publication/298297988_Fuzzy_logic_data_integration_technique_used_as_a_nickel_exploration_tool
• https://www.researchgate.net/publication/259372191_Gravity_data_in_regional_scale_3D_and_gold_prospectivity_modelling_-_example_from_the_Central_Lapland_greenstone_belt_northern_Finland
• https://www.researchgate.net/publication/315381587_Introduction_to_the_special_issue_GIS-based_mineral_potential_targeting
• https://www.researchgate.net/publication/320709733_Knowledge-driven_prospectivity_model_for_Iron_oxide-Cu-Au_IOCG_deposits_in_northern_Finland
• https://tupa.gtk.fi/raportti/arkisto/57_2021.pdf -> Mineral Prospectivity and Exploration Targeting MinProXT 2021 Webinar - paper compilation
• https://tupa.gtk.fi/raportti/arkisto/29_2023.pdf -> Mineral Prospectivity and Exploration Targeting MinProXT 2022 Webinar - paper compilation
• https://www.researchgate.net/publication/312180531_Optimizing_a_Knowledge-driven_Prospectivity_Model_for_Gold_Deposits_Within_Perapohja_Belt_Northern_Finland
• https://www.researchgate.net/publication/320703774_Prospectivity_Models_for_Volcanogenic_Massive_Sulfide_Deposits_VMS_in_Northern_Finland
• https://www.researchgate.net/publication/280875727_Receiver_operating_characteristics_ROC_as_validation_tool_for_prospectivity_models_-_A_magmatic_Ni-Cu_case_study_from_the_Central_Lapland_Greenstone_Belt_Northern_Finland
• https://www.researchgate.net/publication/332298116_Scalability_of_the_Mineral_Prospectivity_Modelling_-_An_orogenic_gold_case_study_from_northern_Finland
• https://www.researchgate.net/publication/251786465_Spatial_data_analysis_as_a_tool_for_mineral_prospectivity_mapping
• https://www.researchgate.net/publication/331006924_Unsupervised_clustering_and_empirical_fuzzy_memberships_for_mineral_prospectivity_modelling

غانا

• https://www.researchgate.net/publication/227256267_Application_of_Data-Driven_Evidential_Belief_Functions_to_Prospectivity_Mapping_for_Aquamarine-Bearing_Pegmatites_Lundazi_District_Zambia
• https://www.researchgate.net/publication/226842511_Mapping_of_prospectivity_and_estimation_of_number_of_undiscovered_prospects_for_lode_gold_southwestern_Ashanti_Belt_Ghana
• https://www.researchgate.net/publication/233791624_Spatial_association_of_gold_deposits_with_remotely_-_sensed_faults_South_Ashanti_belt_Ghana

جرينلاند

• https://www.researchgate.net/publication/360970965_Identification_of_Radioactive_Mineralized_Lithology_and_Mineral_Prospectivity_Mapping_Based_on_Remote_Sensing_in_High-Latitude_Regions_A_Case_Study_on_the_Narsaq_Region_of_Greenland

الهند

• https://www.researchgate.net/publication/372636338_Unsupervised_machine_learning_based_prospectivity_analysis_of_NW_and_NE_India_for_carbonatite-alkaline_complex-related_REE_deposits

أندونيسيا

• https://www.researchgate.net/publication/263542819_Regional-Scale_Geothermal_Prospectivity_Mapping_in_West_Java_Indonesia_by_Data-driven_Evidential_Belief_Functions

إيران

• https://www.researchgate.net/publication/325697373_A_comparative_analysis_of_artificial_neural_network_ANN_wavelet_neural_network_WNN_and_support_vector_machine_SVM_data-driven_models_to_mineral_potential_mapping_for_copper_mineralizations_in_the_Shah
• https://www.researchgate.net/publication/358507255_A_Comparative_Study_of_Convolutional_Neural_Networks_and_Conventional_Machine_Learning_Models_for_Lithological_Mapping_Using_Remote_Sensing_Data
• https://www.researchgate.net/publication/351750324_A_data_augmentation_approach_to_XGboost-based_mineral_potential_mapping_An_example_of_carbonate-hosted_Zn_Pb_mineral_systems_of_Western_Iran
• https://www.researchgate.net/publication/336471932_A_knowledge-guided_fuzzy_inference_approach_for_integrating_geophysics_geochemistry_and_geology_data_in_deposit-scale_porphyry_copper_targeting_Saveh-Iran
• https://www.researchgate.net/publication/348500913_A_new_strategy_for_spatial_predictive_mapping_of_mineral_prospectivity
• https://www.researchgate.net/publication/348482539_A_new_strategy_for_spatial_predictive_mapping_of_mineral_prospectivity_Automated_hyperparameter_tuning_of_random_forest_approach
• https://www.researchgate.net/publication/352251016_A_simulation-based_framework_for_modulating_the_effects_of_subjectivity_in_greenfield_Mineral_Prospectivity_Mapping_with_geochemical_and_geological_data
• https://www.researchgate.net/publication/296638839_An_AHP-TOPSIS_Predictive_Model_for_District-Scale_Mapping_of_Porphyry_Cu-Au_Potential_A_Case_Study_from_Salafchegan_Area_Central_Iran
• https://www.researchgate.net/publication/278029106_Application_of_Discriminant_Analysis_and_Support_Vector_Machine_in_Mapping_Gold_Potential_Areas_for_Further_Drilling_in_the_Sari-Gunay_Gold_Deposit_NW_Iran
• https://www.researchgate.net/publication/220164381_Application_of_geochemical_zonality_coefficients_in_mineral_prospectivity_mapping
• https://www.researchgate.net/publication/330359897_Application_of_hybrid_AHP-TOPSIS_method_for_prospectivity_modeling_of_Cu_porphyry_in_Varzaghan_district_Iran
• https://www.researchgate.net/publication/356872819_Application_of_self-organizing_map_SOM_and_K-means_clustering_algorithms_for_portraying_geochemical_anomaly_patterns_in_Moalleman_district_NE_Iran
• https://www.researchgate.net/publication/258505300_Application_of_staged_factor_analysis_and_logistic_function_to_create_a_fuzzy_stream_sediment_geochemical_evidence_layer_for_mineral_prospectivity_mapping
• https://www.researchgate.net/publication/358567148_Applications_of_data_augmentation_in_mineral_prospectivity_prediction_based_on_convolutional_neural_networks
• https://www.researchgate.net/publication/353761696_Assessing_the_effects_of_mineral_systems-derived_exploration_targeting_criteria_for_Random_Forests-based_predictive_mapping_of_mineral_prospectivity_in_Ahar-Arasbaran_area_Iran
• https://www.researchgate.net/publication/270586282_Data-Driven_Index_Overlay_and_Boolean_Logic_Mineral_Prospectivity_Modeling_in_Greenfields_Exploration
• https://www.researchgate.net/publication/356660905_Deep_GMDH_Neural_Networks_for_Predictive_Mapping_of_Mineral_Prospectivity_in_Terrains_Hosting_Few_but_Large_Mineral_Deposits
• https://www.researchgate.net/publication/317240761_Enhancement_and_Mapping_of_Weak_Multivariate_Stream_Sediment_Geochemical_Anomalies_in_Ahar_Area_NW_Iran
• https://www.sciencedirect.com/science/article/pii/S0009281924001223 -> Enhancing training performance of convolutional neural network algorithm through an autoencoder-based unsupervised labeling framework for mineral exploration targeting
• https://www.researchgate.net/publication/356580903_Evidential_data_integration_to_produce_porphyry_Cu_prospectivity_map_using_a_combination_of_knowledge_and_data_driven_methods
• https://research-repository.uwa.edu.au/en/publications/exploration-feature-selection-applied-to-hybrid-data-integration-Exploration feature selection applied to hybrid data integrationmodeling: Targeting copper-gold potential in central
• https://www.researchgate.net/publication/333199619_Incorporation_of_principal_component_analysis_geostatistical_interpolation_approaches_and_frequency-space-based_models_for_portraying_the_Cu-Au_geochemical_prospects_in_the_Feizabad_district_NW_Iran
• https://www.researchgate.net/publication/351965039_Intelligent_geochemical_exploration_modeling_using_multiclass_support_vector_machine_and_integration_it_with_continuous_genetic_algorithm_in_Gonabad_region_Khorasan_Razavi_Iran
• https://www.researchgate.net/publication/310658663_Multifractal_interpolation_and_spectrum-area_fractal_modeling_of_stream_sediment_geochemical_data_Implications_for_mapping_exploration_targets
• https://www.researchgate.net/publication/267635150_Multivariate_regression_analysis_of_lithogeochemical_data_to_model_subsurface_mineralization_A_case_study_from_the_Sari_Gunay_epithermal_gold_deposit_NW_Iran
• https://www.researchgate.net/publication/330129457_Performance_evaluation_of_RBF-_and_SVM-based_machine_learning_algorithms_for_predictive_mineral_prospectivity_modeling_integration_of_S-A_multifractal_model_and_mineralization_controls
• https://www.researchgate.net/publication/353982380_Porphyry_Cu-Au_prospectivity_modelling_using_semi-supervised_learning_algorithm_in_Dehsalm_district_eastern_Iran_In_Farsi_with_extended_English_abstract
• https://www.researchgate.net/publication/320886789_Prospectivity_analysis_of_orogenic_gold_deposits_in_Saqez-Sardasht_Goldfield_Zagros_Orogen_Iran
• https://www.researchgate.net/publication/361529867_Prospectivity_mapping_of_orogenic_lode_gold_deposits_using_fuzzy_models_a_case_study_of_Saqqez_area_NW_of_Iran
• https://www.researchgate.net/publication/361717490_Quantifying_Uncertainties_Linked_to_the_Diversity_of_Mathematical_Frameworks_in_Knowledge-Driven_Mineral_Prospectivity_Mapping
• https://www.researchgate.net/publication/374730424_Recognition_of_mineralization-related_anomaly_patterns_through_an_autoencoder_neural_network_for_mineral_exploration_targeting
• https://www.researchgate.net/publication/349957803_Regional-Scale_Mineral_Prospectivity_Mapping_Support_Vector_Machines_and_an_Improved_Data-Driven_Multi-criteria_Decision-Making_Technique
• https://www.researchgate.net/publication/339153591_Sensitivity_analysis_of_prospectivity_modeling_to_evidence_maps_Enhancing_success_of_targeting_for_epithermal_gold_Takab_district_NW_Iran
• https://www.researchgate.net/publication/321076980_Spatial_analyses_of_exploration_evidence_data_to_model_skarn-type_copper_prospectivity_in_the_Varzaghan_district_NW_Iran
• https://www.researchgate.net/publication/304904242_Stepwise_regression_for_recognition_of_geochemical_anomalies_Case_study_in_Takab_area_NW_Iran
• https://www.researchgate.net/publication/350423220_Supervised_mineral_exploration_targeting_and_the_challenges_with_the_selection_of_deposit_and_non-deposit_sites_thereof
• https://www.sciencedirect.com/science/article/pii/S0009281924000801 -> Targeting porphyry Cu deposits in the Chahargonbad region of Iran: A joint application of deep belief networks and random forest techniques
• https://www.researchgate.net/publication/307874730_The_use_of_decision_tree_induction_and_artificial_neural_networks_for_recognizing_the_geochemical_distribution_patterns_of_LREE_in_the_Choghart_deposit_Central_Iran
• https://www.researchsquare.com/article/rs-4760956/v1 -> Uncertainty reduction with Hyperparameter Optimization in mineral prospectivity mapping: A Regularized Artificial Neural Network approach [UNSEEN]

أيرلندا

• https://www.gsi.ie/en-ie/programmes-and-projects/tellus/activities/tellus-product-development/mineral-prospectivity/Pages/default.aspx - > NW Midlands Mineral Prospectivity Mapping

الهند

• https://www.researchgate.net/publication/226092981_A_Hybrid_Neuro-Fuzzy_Model_for_Mineral_Potential_Mapping
• https://www.researchgate.net/publication/225328359_A_Hybrid_Fuzzy_Weights-of-Evidence_Model_for_Mineral_Potential_Mapping
• https://www.researchgate.net/publication/227221497_Artificial_Neural_Networks_for_Mineral-Potential_Mapping_A_Case_Study_from_Aravalli_Province_Western_India
• https://www.researchgate.net/publication/222050039_Bayesian_network_classifiers_for_mineral_potential_mapping
• https://www.researchgate.net/publication/355397149_Gold_Prospectivity_Mapping_in_the_Sonakhan_Greenstone_Belt_Central_India_A_Knowledge-Driven_Guide_for_Target_Delineation_in_a_Region_of_Low_Exploration_Maturity
• https://www.researchgate.net/publication/272092276_Extended_Weights-of-Evidence_Modelling_for_Predictive_Mapping_of_Base_Metal_Deposit_Potential_in_Aravalli_Province_Western_India
• https://www.researchgate.net/publication/226193283_Knowledge-Driven_and_Data-Driven_Fuzzy_Models_for_Predictive_Mineral_Potential_Mapping
• https://www.researchgate.net/publication/238027981_SVM-based_base-metal_prospectivity_modeling_of_the_Aravalli_Orogen_Northwestern_India

كوريا

• https://www.researchgate.net/publication/382131746_Domain_Adaptation_from_Drilling_to_Geophysical_Data_for_Mineral_Exploration

النرويج

• https://www.mdpi.com/2075-163X/9/2/131/htm - Prospectivity Mapping of Mineral Deposits in Northern Norway Using Radial Basis Function Neural Networks

كوريا الجنوبية

• https://www.researchgate.net/publication/221911782_Application_of_Artificial_Neural_Network_for_Mineral_Potential_Mapping
• https://www.researchgate.net/publication/359861043_Rock_Classification_in_a_Vanadiferous_Titanomagnetite_Deposit_Based_on_Supervised_Machine_Learning#fullTextFileContent Rock Classification in a Vanadiferous Titanomagnetite Deposit Based on Supervised Machine Learning

الفلبين

• https://www.researchgate.net/publication/359632307_A_Geologically_Constrained_Variational_Autoencoder_for_Mineral_Prospectivity_Mapping
• https://www.researchgate.net/publication/263174923_Application_of_Mineral_Exploration_Models_and_GIS_to_Generate_Mineral_Potential_Maps_as_Input_for_Optimum_Land-Use_Planning_in_the_Philippines
• https://www.researchgate.net/publication/267927677_Data-driven_predictive_mapping_of_gold_prospectivity_Baguio_district_Philippines_Application_of_Random_Forests_algorithm
• https://www.researchgate.net/publication/276271833_Data-Driven_Predictive_Modeling_of_Mineral_Prospectivity_Using_Random_Forests_A_Case_Study_in_Catanduanes_Island_Philippines
• https://www.researchgate.net/publication/209803275_Evidential_belief_functions_for_data-driven_geologically_constrained_mapping_of_gold_potential_Baguio_district_Philippines
• https://www.researchgate.net/publication/241001432_Geologically_Constrained_Probabilistic_Mapping_of_Gold_Potential_Baguio_District_Philippines
• https://www.researchgate.net/publication/263724277_Geologically_Constrained_Fuzzy_Mapping_of_Gold_Mineralization_Potential_Baguio_District_Philippines
• https://www.researchgate.net/publication/229641286_Improved_Wildcat_Modelling_of_Mineral_Prospectivity
• https://www.researchgate.net/publication/238447208_Logistic_Regression_for_Geologically_Constrained_Mapping_of_Gold_Potential_Baguio_District_Philippines
• https://www.researchgate.net/publication/248977334_Mineral_imaging_with_Landsat_TM_data_for_hydrothermal_alteration_mapping_in_heavily-vegetated_terrane​​​​​​
• https://www.researchgate.net/publication/356546133_Mineral_Prospectivity_Mapping_via_Gated_Recurrent_Unit_Model
• https://www.researchgate.net/publication/267640864_Random_forest_predictive_modeling_of_mineral_prospectivity_with_small_number_of_prospects_and_data_with_missing_values_in_Abra_Philippines
• https://www.researchgate.net/publication/3931975_Remote_detection_of_vegetation_stress_for_mineral_exploration
• https://www.researchgate.net/publication/263422015_Where_Are_Porphyry_Copper_Deposits_Spatially_Localized_A_Case_Study_in_Benguet_Province_Philippines
• https://www.researchgate.net/publication/233488614_Wildcat_mapping_of_gold_potential_Baguio_District_Philippines
• https://www.researchgate.net/publication/226982180_Weights_of_Evidence_Modeling_of_Mineral_Potential_A_Case_Study_Using_Small_Number_of_Prospects_Abra_Philippines

روسيا

• https://www.researchgate.net/publication/358431343_Application_of_Maximum_Entropy_for_Mineral_Prospectivity_Mapping_in_Heavily_Vegetated_Areas_of_Greater_Kurile_Chain_with_Landsat_8_Data
• https://www.researchgate.net/publication/354000754_Mineral_Prospectivity_Mapping_for_Forecasting_Gold_Deposits_in_the_Central_Kolyma_Region_North-East_Russia

جنوب أفريقيا

• https://www.researchgate.net/publication/359294267_Data-driven_multi-index_overlay_gold_prospectivity_mapping_using_geophysical_and_remote_sensing_datasets
• https://link.springer.com/article/10.1007/s11053-024-10390-w -> Mineral Reconnaissance Through Scientific Consensus: First National Prospectivity Maps for PGE–Ni–Cu–Cr and Witwatersrand-type Au Deposits in South Africa
• https://www.researchgate.net/publication/361526053_Mineral_prospectivity_mapping_of_gold-base_metal_mineralisation_in_the_Sabie-Pilgrim%27s_Rest_area_Mpumalanga_Province_South_Africa
• https://www.researchgate.net/publication/264296137_PREDICTIVE_BEDROCK_AND_MINERAL_PROSPECTIVITY_MAPPING_IN_THE_GIYANI_GREENSTONE_BELT_SOUTH_AFRICA
• https://www.researchgate.net/publication/268196204_Predictive_mapping_of_prospectivity_for_orogenic_gold_Giyani_greenstone_belt_South_Africa

إسبانيا

• https://www.researchgate.net/publication/225656353_Deriving_Optimal_Exploration_Target_Zones_on_Mineral_Prospectivity_Maps
• https://www.researchgate.net/publication/222198648_Knowledge-guided_data-driven_evidential_belief_modeling_of_mineral_prospectivity_in_Cabo_de_Gata_SE_Spain
• https://www.researchgate.net/publication/356639977_Machine_learning_models_for_Hg_prospecting_in_the_Almaden_mining_district
• https://www.researchgate.net/publication/43165602_Methodology_for_deriving_optimal_exploration_target_zones
• https://www.researchgate.net/publication/263542579_Optimal_Exploration_Target_Zones
• https://www.researchgate.net/publication/222892103_Optimal_field_sampling_for_targeting_minerals_using_hyperspectral_data
• https://www.researchgate.net/publication/271671416_Predictive_modelling_of_gold_potential_with_the_integration_of_multisource_information_based_on_random_forest_a_case_study_on_the_Rodalquilar_area_Southern_Spain

السودان

• https://link.springer.com/article/10.1007/s11053-024-10387-5 -> Toward Data-Driven Mineral Prospectivity Mapping from Remote Sensing Data Using Deep Forest Predictive Model [UNSEEN]

السويد

• https://www.researchgate.net/publication/259128115_Biogeochemical_expression_of_rare_earth_element_and_zirconium_mineralization_at_Norra_Karr_Southern_Sweden
• https://www.researchgate.net/publication/260086862_COMPARISION_OF_VMS_PROSPECTIVITY_MAPPING_BY_EBF_AND_WOFE_MODELING_THE_SKELLEFTE_DISTRICT_SWEDEN
• https://www.researchgate.net/publication/336086368_GIS-based_mineral_system_approach_for_prospectivity_mapping_of_iron-oxide_apatite-bearing_mineralisation_in_Bergslagen_Sweden
• https://www.researchgate.net/publication/229347041_Predictive_mapping_of_prospectivity_and_quantitative_estimation_of_undiscovered_VMS_deposits_in_Skellefte_district_Sweden
• https://www.researchgate.net/publication/260086947_PRELIMINARY_GIS-BASED_ANALYSIS_OF_REGIONAL-SCALE_VMS_PROSPECTIVITY_IN_THE_SKELLEFTE_REGION_SWEDEN

تنزانيا

• https://www.sciencedirect.com/science/article/pii/S2666261224000270 -> Machine learning based prospect targeting: A case of gold occurrence in central parts of Tanzania, East Africa

أوغندا

• https://www.researchgate.net/publication/242339962_Predictive_mapping_for_orogenic_gold_prospectivity_in_Uganda
• https://www.researchgate.net/publication/262566098_Predictive_Mapping_of_Prospectivity_for_Orogenic_Gold_in_Uganda
• https://www.researchgate.net/publication/381219015_Machine_Learning_Application_in_Predictive_Mineral_Mapping_of_Southwestern_Uganda_Leveraging_Airborne_Magnetic_Radiometric_and_Electromagnetic_Data

المملكة المتحدة

• https://www.researchgate.net/publication/383580839_Improved_mineral_prospectivity_mapping_using_graph_neural_networks

الولايات المتحدة الأمريكية

• https://www.researchgate.net/publication/338663292_A_Predictive_Geospatial_Exploration_Model_for_Mississippi_Valley_Type_Pb-Zn_Mineralization_in_the_Southeast_Missouri_Lead_District
• https://www.sciencedirect.com/science/article/abs/pii/S0375674218300396?via%3Dihub -> Machine learning strategies for classification and prediction of alteration facies: Examples from the Rosemont Cu-Mo-Ag skarn deposit, SE Tucson أريزونا
• [presentation of the above!] https://www.slideshare.net/JuanCarlosOrdezCalde/geology-chemostratigraphy-and-alteration-geochemistry-of-the-rosemont-cumoag-skarn-deposit-southern-arizona
• https://github.com/rohitash-chandra/research/blob/master/presentations/CSIRO%20Minerals-Seminar-September2022.pdf -> Machine Learning for Mineral Exploration: A Data Odyssey
  • Video https://www.youtube.com/watch?v=zhXuPQy7mk8&t=561s -> Talks about using plate subduction and associated statistics via GPlates

زامبيا

• https://www.researchgate.net/publication/263542565_APPLICATION_OF_REMOTE_SENSING_AND_SPATIAL_DATA_INTEGRATION_TO_PREDICT_POTENTIAL_ZONES_FOR_AQUAMARINE-BEARING_PEGMATITES_LUNDAZI_AREA_NORTHEAST_ZAMBIA
• https://www.researchgate.net/publication/264041472_Geological_and_Mineral_Potential_Mapping_by_Geoscience_Data_Integration

زيمبابوي

• https://www.researchgate.net/publication/260792212_Nickel_Sulphide_Deposits_in_Archaean_Greenstone_Belts_in_Zimbabwe_Review_and_Prospectivity_Analysis

GENERAL PAPERS

Overviews

• https://www.sciencedirect.com/science/article/pii/S2772883824000347 -> A review on the applications of airborne geophysical and remote sensing datasets in epithermal gold mineralisation mapping
• https://www.researchgate.net/publication/353530416_A_Systematic_Review_on_the_Application_of_Machine_Learning_in_Exploiting_Mineralogical_Data_in_Mining_and_Mineral_Industry
• https://www.researchgate.net/publication/365777421_Computer_Vision_and_Pattern_Recognition_for_the_Analysis_of_2D3D_Remote_Sensing_Data_in_Geoscience_A_Survey - Computer Vision and Pattern Recognition for the Analysis of 2D/3D Remote Sensing Data in Geoscience: A Survey
• https://www.researchgate.net/publication/352104303_Deep_Learning_for_Geophysics_Current_and_Future_Trends
• https://www.proquest.com/openview/e7bec6c8ee50183b5049516b000d4f5c/1?pq-origsite=gscholar&cbl=18750&diss=y -> Probabilistic Knowledge-Guided Machine Learning in Engineering and Geoscience Systems
• KGMLPrescribedFires repository for one paper / part of above dissertation

الودائع

• https://pubs.er.usgs.gov/publication/ofr20211049 -> Deposit Classification Scheme for the Critical Minerals Mapping Initiative Global Geochemical Database

الحوكمة البيئية والاجتماعية والحوكمة

• https://www.escubed.org/journals/earth-science-systems-and-society/articles/10.3389/esss.2024.10109/full -> Geospatial Data and Deep Learning Expose ESG Risks to Critical Raw Materials Supply: The Case of الليثيوم

Geochemistry

Causal Discovery and Deep Learning Algorithms for Detecting Geochemical Patterns Associated with Gold-Polymetallic Mineralization: A Case Study of the Edongnan Region

• https://link.springer.com/article/10.1007/s11053-024-10408-3 -> A New Sphalerite Thermometer Based on Machine Learning with Trace Element Geochemistry
• https://www.researchgate.net/publication/378150628_A_SMOTified_extreme_learning_machine_for_identifying_mineralization_anomalies_from_geochemical_exploration_data_a_case_study_from_the_Yeniugou_area_Xinjiang_China A SMOTified extreme learning machine for identifying mineralization anomalies from geochemical exploration data
• https://ui.adsabs.harvard.edu/abs/2018EGUGA..20.4169R/abstract -> Accelerating minerals exploration with in-field characterisation, sample tracking and active machine learning
• https://www.researchgate.net/publication/375509344_Alteration_assemblage_characterization_using_machine_learning_applied_to_high_resolution_drill-core_images_hyperspectral_data_and_geochemistry
• https://qspace.library.queensu.ca/items/38f52d19-609d-4916-bcd0-3ce20675dee3/full - > Application of Computational Methods to Data Integration and Geoscientific Problems in Mineral Exploration and Mining
• https://www.sciencedirect.com/science/article/pii/S0169136822005509?dgcid=rss_sd_all -> Applying neural networks-based modelling to the prediction of mineralization: A case-study using the Western Australian Geochemistry (WACHEM) database
• https://www.sciencedirect.com/science/article/pii/S0169136824002099 -> Development of a machine learning model to classify mineral deposits using sphalerite chemistry and mineral assemblages
• https://www.sciencedirect.com/science/article/pii/S0169136824002403 -> Discrimination of deposit types using magnetite geochemistry based on machine learning
• https://www.researchgate.net/publication/302595237_A_machine_learning_approach_to_geochemical_mapping
• https://www.researchgate.net/publication/369300132_DEEP-LEARNING_IDENTIFICATION_OF_ANOMALOUS_DATA_IN_GEOCHEMICAL_DATASETS_DEEP-LEARNING_IDENTIFICATION_OF_ANOMALOUS_DATA_IN_GEOCHEMICAL_DATASETS
• https://www.researchgate.net/publication/378549920_Denoising_of_geochemical_data_using_deep_learning-Implications_for_regional_surveys -> Denoising of Geochemical Data using Deep Learning–Implications for Regional Surveys]
• https://www.researchgate.net/publication/368489689_Discrimination_of_Pb-Zn_deposit_types_using_sphalerite_geochemistry_New_insights_from_machine_learning_algorithm
• https://www.researchgate.net/publication/381369176_Effectiveness_of_LOF_iForest_and_OCSVM_in_detecting_anomalies_in_stream_sediment_geochemical_data#:~:text=LOF%20outperformed%20iForest%20and%20OCSVM,patterns%20in%20the%20iForest%20map
• https://dzkjqb.cug.edu.cn/en/article/doi/10.19509/j.cnki.dzkq.tb20220423 -> Gaussian mixture model in geochemical anomaly delineation of stream sediments: A case study of Xupu, Hunan Province [UNSEEN ]
• https://www.sciencedirect.com/science/article/pii/S0883292724002427 -> Geologically constrained unsupervised dual-branch deep learning algorithm for geochemical anomalies identification
• https://www.researchgate.net/publication/365953549_Incorporating_the_genetic_and_firefly_optimization_algorithms_into_K-means_clustering_method_for_detection_of_porphyry_and_skarn_Cu-related_geochemical_footprints_in_Baft_district_Kerman_Iran
• https://www.researchgate.net/publication/369768936_Infomax-based_deep_autoencoder_network_for_recognition_of_multi-element_geochemical_anomalies_linked_to_mineralization -> Paywalled
• https://www.sciencedirect.com/science/article/abs/pii/S0098300424001626 -> Local phase-constrained convolutional autoencoder network for identifying multivariate geochemical anomalies
• https://www.researchgate.net/publication/354564681_Machine_Learning_for_Identification_of_Primary_Water_Concentrations_in_Mantle_Pyroxene
• https://www.researchgate.net/publication/366210211_Machine_Learning_Prediction_of_Ore_Deposit_Genetic_Type_Using_Magnetite_Geochemistry
• https://link.springer.com/article/10.1007/s42461-024-01013-2 -> NIR-Spectroscopy and Machine Learning Models to Pre-concentrate Copper Hosted Within Sedimentary Rocks[UNSEEN]
• https://www.researchsquare.com/article/rs-4106957/v1 -> Multi-element geochemical anomaly recognition applying geologically-constrained convolutional deep learning algorithm with Butterworth filtering
• https://www.researchgate.net/publication/369241349_Quantifying_continental_crust_thickness_using_the_machine_learning_method
• https://link.springer.com/article/10.1007/s11004-024-10158-1 -> Spatial-Spectrum Two-Branch Model Based on a Superpixel Graph Convolutional Network and 1DCNN for Geochemical Anomaly Identification
• https://www.researchgate.net/publication/334651800_Using_machine_learning_to_estimate_a_key_missing_geochemical_variable_in_mining_exploration_Application_of_the_Random_Forest_algorithm_to_multi-sensor_core_logging_data

الأباتيت

• https://www.researchgate.net/publication/377892369_Apatite_trace_element_composition_as_an_indicator_of_ore_deposit_types_A_machine_learning_approachApatite trace element composition as an indicator of ore deposit types: A machine learning approach
• https://www.researchgate.net/publication/369729999_Visual_Interpretation_of_Machine_Learning_Genetical_Classification_of_Apatite_from_Various_Ore_Sources

الجيولوجيا

تغيير

• https://ieeexplore.ieee.org/abstract/document/10544529 -> Remote sensing data processing using convolutional neural networks for mapping alteration zones [UNSEEN]

عمق

• https://www.researchgate.net/publication/332263305_A_speedy_update_on_machine_learning_applied_to_bedrock_mapping_using_geochemistry_or_geophysics_examples_from_the_Pacific_Rim_and_nearby
• https://eprints.utas.edu.au/32368/ - thesis paper update
• https://www.frontiersin.org/journals/earth-science/articles/10.3389/feart.2024.1407173/full -> Deep learning for geological mapping in the overburden area
• https://www.researchgate.net/publication/280038632_Estimating_the_fill_thickness_and_bedrock_topography_in_intermontane_valleys_using_artificial_neural_networks_-_Supporting_Information
• https://www.researchgate.net/publication/311783770_Mapping_the_global_depth_to_bedrock_for_land_surface_modeling
• https://www.researchgate.net/publication/379813337_Contribution_to_advancing_aquifer_geometric_mapping_using_machine_learning_and_deep_learning_techniques_a_case_study_of_the_AL_Haouz-Mejjate_aquifer_Marrakech_Morocco
• https://www.linkedin.com/pulse/depth-basement-modelling-machine-learning-perspective-n5gyc/?trackingId=qFSktvVPUiSa2V2nlmXVoQ%3D%3D

Drill Core

• https://pubmed.ncbi.nlm.nih.gov/35776744/ - Deep learning based lithology classification of drill core images
• https://www.researchgate.net/publication/381445417_Machine_Learning_for_Lithology_Analysis_using_a_Multi-Modal_Approach_of_Integrating_XRF_and_XCT_data
• https://www.researchgate.net/publication/379760986_A_machine_vision_approach_for_detecting_changes_in_drill_core_textures_using_optical_images
• https://www.sciencedirect.com/science/article/pii/S2949891024002112 -> Sensitivity analysis of similarity learning models for well-intervals based on logging data
• https://www.sciencedirect.com/science/article/pii/S2949891024003828 -> CoreViT: a new vision transformer model for lithology identification in cores

عام

• https://www.sciencedirect.com/science/article/pii/S0034425724002323 -> Deep learning-based geological map generation using geological routes
• https://www.researchgate.net/publication/354781583_Deep_learning_framework_for_geological_symbol_detection_on_geological_maps
• https://www.researchgate.net/publication/335104674_Does_shallow_geological_knowledge_help_neural-networks_to_predict_deep_units
• https://www.researchgate.net/publication/379939974_Graph_convolutional_network_for_lithological_classification_and_mapping_using_stream_sediment_geochemical_data_and_geophysical_data
• https://www.sciencedirect.com/science/article/abs/pii/S0098300424001493-> FlexLogNet: A flexible deep learning-based well-log completion method of adaptively using what you have to predict what you are missing
• https://ieeexplore.ieee.org/abstract/document/10493129 -> Geological Background Prototype Learning Enhanced Network for Remote Sensing-Based Engineering Geological Lithology Interpretation in Highly Vegetated Areas [Unseen]
• https://www.sciencedirect.com/science/article/pii/S2096249524000619 -> Generating extremely low-dimensional representation of subsurface earth models using vector quantization and deep Autoencoder
• https://www.researchgate.net/publication/370175012_GeoPDNN_A_Semisupervised_Deep_Learning_Neural_Network_Using_Pseudolabels_for_Three-dimensional_Urban_Geological_Modelling_and_Uncertainty_Analysis_from_Borehole_Data
• https://www.researchsquare.com/article/rs-4805227/v1 -> Synergizing AI with Geology: Exploring VisionTransformers for Rock Classification
• https://www.researchgate.net/publication/343511849_Identification_of_intrusive_lithologies_in_volcanic_terrains_in_British_Columbia_by_machine_learning_using_Random_Forests_the_value_of_using_a_soft_classifier
• https://www.sciencedirect.com/science/article/pii/S0169136824000921 -> Machine learning-based field geological mapping: A new exploration of geological survey data acquisition strategy https://www.researchgate.net/publication/324411647_Predicting_rock_type_and_detecting_hydrothermal_alteration_using_machine_learning_and_petrophysical_properties_of_the_Canadian_Malartic_ore_and_host_rocks_Pontiac_Subprovince_Quebec_Canada
• https://www.sciencedirect.com/science/article/abs/pii/S0895981124001743 -> Utilizing Random Forest algorithm for identifying mafic and ultramafic rocks in the Gameleira Suite, Archean-Paleoproterozoic basement of the Brasília Belt, Brazil
• https://arxiv.org/pdf/2407.18100 -> DINOv2 Rocks Geological Image Analysis: Classification,

Geochronology

• https://www.researchgate.net/publication/379077847_Tracing_Andean_Origins_A_Machine_Learning_Framework_for_Lead_Isotopes

Geomorphology

• https://agu.confex.com/agu/fm18/mediafile/Handout/Paper427843/Landforms%20Poster.pdf -> Using machine learning to classify landforms for minerals exploration
• https://www.tandfonline.com/doi/abs/10.1080/13658816.2024.2414409 -> GeomorPM: a geomorphic pretrained model integrating convolution and Transformer architectures based on DEM data

Lithology

• https://link.springer.com/article/10.1007/s11053-024-10396-4 -> Interpretable SHAP Model Combining Meta-learning and Vision Transformer for Lithology Classification Using Limited and Unbalanced Drilling Data in Well Logging [UNSEN]
• https://www.nature.com/articles/s41598-024-66199-3 -> Machine learning and remote sensing-based lithological mapping of the Duwi Shear-Belt area, Central Eastern Desert, Egypt
• https://link.springer.com/article/10.1007/s11053-024-10375-9 - SsL-VGMM: A Semisupervised Machine Learning Model of Multisource Data Fusion for Lithology Prediction [UNSEEN]
• https://www.researchgate.net/publication/380719080_An_integrated_machine_learning_framework_with_uncertainty_quantification_for_three-dimensional_lithological_modeling_from_multi-source_geophysical_data_and_drilling_data
• https://www.bio-conferences.org/articles/bioconf/pdf/2024/34/bioconf_rena23_01005.pdf -> Lithological Mapping using Artificial Intelligence and Remote Sensing data: A Case Study of Bab Boudir region Morocco

Mineralogy

• https://pubs.geoscienceworld.org/msa/ammin/article-abstract/doi/10.2138/am-2023-9092/636861/The-application-of-transfer-learning-in-optical -> The application of “transfer learning” in optical microscopy: the petrographic classification of metallic minerals
• https://www.researchgate.net/publication/385074584_Deep_Learning-Based_Mineral_Classification_Using_Pre-Trained_VGG16_Model_with_Data_Augmentation_Challenges_and_Future_Directions

الطبقات

• https://www.researchgate.net/publication/335486001_A_Stratigraphic_Prediction_Method_Based_on_Machine_Learning
• https://www.researchgate.net/publication/346641320_Classifying_basin-scale_stratigraphic_geometries_from_subsurface_formation_tops_with_machine_learning

بناء

• https://www.sciencedirect.com/science/article/pii/S0098300421000285 -> A machine learning model for structural trend fields
• https://onlinelibrary.wiley.com/doi/full/10.1111/1365-2478.13589 -> Inferring fault structures and overburden depth in 3D from geophysical data using machine learning algorithms – A case study on the Fenelon gold deposit, Quebec, Canada
• https://www.sciencedirect.com/science/article/pii/S019181412400138X -> Mapping paleostress trajectories by means of the clustering of reduced stress tensors determined from homogeneous and heterogeneous data sets
• https://www.researchgate.net/publication/332267249_Seismic_fault_detection_using_an_encoder-decoder_convolutional_neural_network_with_a_small_training_set
• https://www.researchgate.net/publication/377168034_Unsupervised_machine_learning_and_depth_clusters_of_Euler_deconvolution_of_magnetic_data_a_new_approach_to_imaging_geological_structures
• https://academic.oup.com/gji/advance-article/doi/10.1093/gji/ggae226/7701418 -> Use of Decision Tree Ensembles for Crustal Structure Imaging from Receiver Functions

التكتونية

• https://www.researchgate.net/publication/371594975_Assessing_plate_reconstruction_models_using_plate_driving_force_consistency_tests
• https://www.researchgate.net/publication/333182666_Decoding_Earth's_plate_tectonic_history_using_sparse_geochemical_data
• https://www.researchgate.net/publication/376519740_Machine_learning_and_tectonic_setting_determination_Bridging_the_gap_between_Earth_scientists_and_data_scientists
• https://pubs.geoscienceworld.org/gsa/geology/article-abstract/doi/10.1130/G52466.1/648458/Prediction-of-CO2-content-in-mid-ocean-ridge -> Prediction of CO2 content in mid-ocean ridge basalts via a machine learning approach

الجيوفيزياء

مؤسسة

• https://www.researchgate.net/publication/373714604_Seismic_Foundation_Model_SFM_a_new_generation_deep_learning_model_in_geophysics

عام

• https://essopenarchive.org/users/841077/articles/1231187-bayesian-inference-in-geophysics-with-ai-enhanced-markov-chain-monte-carlo -> Bayesian Inference in Geophysics with AI-enhanced Markov chain Monte كارلو
• https://www.researchgate.net/publication/353789276_Geology_differentiation_by_applying_unsupervised_machine_learning_to_multiple_independent_geophysical_inversions
• https://www.sciencedirect.com/science/article/pii/S001379522100137X - Joint interpretation of geophysical data: Applying machine learning to the modeling of an evaporitic sequence in Villar de Cañas (Spain)
• https://www.sciencedirect.com/science/article/pii/S2666544121000253 - Microleveling aerogeophysical data using deep convolutional network and MoG-RPCA
• https://www.researchgate.net/publication/368550674_Objective_classification_of_high-resolution_geophysical_data_Empowering_the_next_generation_of_mineral_exploration_in_Sierra_Leone
• https://datarock.com.au/blog/transfer-learning-with-seismic-attributes -> Transfer Learning with Seismic Attributes

Potential Fields

• https://api.research-repository.uwa.edu.au/ws/portalfiles/portal/390212334/THESIS_-_DOCTOR_OF_PHILOSOPHY_-_SMITH_Luke_Thomas_-_2023_.pdf -> Potential Field Geophysics Enhancement Using Conteporary Deep Learning

EM

• https://d197for5662m48.cloudfront.net/documents/publicationstatus/206704/preprint_pdf/59681a0a2c571bc2a9006f37517bc6ef.pdf -> A Fast Three-dimensional Imaging Scheme of Airborne Time Domain Electromagnetic Data using Deep Learning
• https://www.researchgate.net/publication/351507441_A_Neural_Network-Based_Hybrid_Framework_for_Least-Squares_Inversion_of_Transient_Electromagnetic_Data
• https://www.researchgate.net/profile/Yunhe-Liu/publication/382196526_An_Efficient_Bayesian_Inference_for_Geo-electromagnetic_Data_Inversion_based_on_Surrogate_Modeling_with_Adaptive_Sampling_DNN
• https://www.researchgate.net/publication/325980016_Agglomerative_hierarchical_clustering_of_airborne_electromagnetic_data_for_multi-scale_geological_studies
• https://www.earthdoc.org/content/papers/10.3997/2214-4609.202410980 -> Deep Learning Assisted 2-D Current Density Modelling of Very Low Frequency Electromagnetic Data
• https://npg.copernicus.org/articles/26/13/2019/ -> Denoising stacked autoencoders for transient electromagnetic signal denoising
• https://www.researchgate.net/publication/373836226_An_information_theoretic_Bayesian_uncertainty_analysis_of_AEM_systems_over_Menindee_Lake_Australia -> An information theoretic Bayesian uncertainty analysis of AEM systems over Menindee Lake, Australia
• https://www.researchgate.net/publication/348850484_Effect_of_Data_Normalization_on_Neural_Networks_for_the_Forward_Modelling_of_Transient_Electromagnetic_Data
• https://www.researchgate.net/publication/342153377_Fast_imaging_of_time-domain_airborne_EM_data_using_deep_learning_technology
• https://library.seg.org/doi/10.4133/JEEG4.2.93 -> Neural Network Interpretation of High Frequency Electromagnetic Ellipticity Data Part I: Understanding the Half-Space and Layered Earth Response
• https://arxiv.org/abs/2207.12607 -> Physics Embedded Machine Learning for Electromagnetic Data Imaging
• https://academic.oup.com/gji/advance-article/doi/10.1093/gji/ggae244/7713480 -> Physics-guided deep learning-based inversion for airborne electromagnetic data
• https://library.seg.org/doi/abs/10.1190/geo2024-0282.1 -> Comparative Analysis of Deep Learning and Traditional Airborne Electromagnetic Data Processing: A Case Study [UNSEEN]
• https://www.researchgate.net/publication/359441000_Surface_parameters_and_bedrock_properties_covary_across_a_mountainous_watershed_Insights_from_machine_learning_and_geophysics
• https://www.researchgate.net/publication/337166479_Using_machine_learning_to_interpret_3D_airborne_electromagnetic_inversions
• https://www.researchgate.net/publication/344397798_TEMDnet_A_Novel_Deep_Denoising_Network_for_Transient_Electromagnetic_Signal_With_Signal-to-Image_Transformation
• https://www.researchgate.net/publication/366391168_Two-dimensional_fast_imaging_of_airborne_EM_data_based_on_U-net

إي آر تي

• https://www.sciencedirect.com/science/article/pii/S0013795224001893 -> Geo-constrained clustering of resistivity data revealing the heterogeneous lithological architectures and the distinctive geoelectrical signature of shallow deposits

جاذبية

• https://ieeexplore.ieee.org/abstract/document/10597585 -> 3D Basement Relief and Density Inversion Based on EfficientNetV2 Deep Learning Network [UNSEEN]
• https://link.springer.com/article/10.1007/s11770-024-1096-5 -> 3D gravity inversion using cycle-consistent generative adversarial network [UNSEEN]
• https://www.researchgate.net/publication/365142017_3D_gravity_inversion_based_on_deep_learning
• https://www.researchgate.net/publication/378930477_A_Deep_Learning_Gravity_Inversion_Method_Based_on_a_Self-Constrained_Network_and_Its_Application
• https://www.researchgate.net/publication/362276214_DecNet_Decomposition_network_for_3D_gravity_inversion -> Olympic Dam example here
• https://www.researchgate.net/publication/368448190_Deep_Learning_to_estimate_the_basement_depth_by_gravity_data_using_Feedforward_neural_network
• https://www.researchgate.net/publication/326231731_Depth_and_Lineament_Maps_Derived_from_North_Cameroon_Gravity_Data_Computed_by_Artificial_Neural_Network_International_Journal_of_Geophysics_vol_2018_Article_ID_1298087_13_pages_2018
• https://www.researchgate.net/publication/366922016_Fast_imaging_for_the_3D_density_structures_by_machine_learning_approach
• https://www.researchgate.net/publication/370230217_Inversion_of_the_Gravity_Gradiometry_Data_by_ResUet_Network_An_Application_in_Nordkapp_Basin_Barents_Sea
• https://www.frontiersin.org/journals/earth-science/articles/10.3389/feart.2022.897055/full -> High-precision downward continuation of the potential field based on the D-Unet network
• https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=10672527 -> RTM Gravity Forward Modeling Using Improved Fully Connected Deep Neural Networks

Hyperspectral

• https://www.researchgate.net/publication/380391736_A_review_on_hyperspectral_imagery_application_for_lithological_mapping_and_mineral_prospecting_Machine_learning_techniques_and_future_prospects
• https://www.researchgate.net/publication/372876863_Ore-Grade_Estimation_from_Hyperspectral_Data_Using_Convolutional_Neural_Networks_A_Case_Study_at_the_Olympic_Dam_Iron_Oxide_Copper-Gold_Deposit_Australia [UNSEEN]

Joint Inversion

• https://www.researchgate.net/publication/383454185_Deep_joint_inversion_of_electromagnetic_seismic_and_gravity_data
• https://ieeexplore.ieee.org/abstract/document/10677418 -> Joint Inversion of Seismic and Resistivity Data Powered by Deep-learning [UNSEEN]

Magnetics

• https://www.researchgate.net/publication/348697645_3D_geological_structure_inversion_from_Noddy-generated_magnetic_data_using_deep_learning_methods
• https://www.researchgate.net/publication/360288249_3D_Inversion_of_Magnetic_Gradient_Tensor_Data_Based_on_Convolutional_Neural_Networks
• https://www.researchgate.net/publication/295902270_Artificial_neural_network_inversion_of_magnetic_anomalies_caused_by_2D_fault_structures
• https://www.researchgate.net/publication/354002966_Convolutional_neural_networks_for_the_characterization_of_magnetic_anomalies
• https://www.researchgate.net/publication/354772176_Convolution_Neural_Networks_Applied_to_the_Interpretation_of_Lineaments_in_Aeromagnetic_Data
• https://www.researchgate.net/publication/363550362_High-precision_downward_continuation_of_the_potential_field_based_on_the_D-Unet_network
• https://www.sciencedirect.com/science/article/pii/S0169136822004279?via%3Dihub -> Magnetic grid resolution enhancement using machine learning: A case study from the Eastern Goldfields Superterrane
• https://www.researchgate.net/publication/347173621_Predicting_Magnetization_Directions_Using_Convolutional_Neural_Networks -> Paywalled
• https://www.researchgate.net/publication/361114986_Reseaux_de_Neurones_Convolutifs_pour_la_Caracterisation_d'Anomalies_Magnetiques -> French original of the above

Magnetotellurics

• https://advancesincontinuousanddiscretemodels.springeropen.com/articles/10.1186/s13662-024-03842-3 -> 2D magnetotelluric imaging method based on visionary self-attention mechanism and data science
• https://ieeexplore.ieee.org/abstract/document/10530937 -> A Magnetotelluric Data Denoising Method Based on Lightweight Ensemble Learning [UNSEEN]
• https://academic.oup.com/gji/advance-article/doi/10.1093/gji/ggae166/7674890 -> Deep basin conductor characterization using machine learning-assisted magnetotelluric Bayesian inversion in the SW Barents Sea
• http://en.dzkx.org/article/doi/10.6038/cjg2024R0580 -> Fast inversion method of apparent resistivity based on deep learning
• https://www.researchgate.net/publication/367504269_Flexible_and_accurate_prior_model_construction_based_on_deep_learning_for_2D_magnetotelluric_data_inversion
• https://www.sciencedirect.com/science/article/pii/S2214579624000510 -> Intelligent Geological Interpretation of AMT Data Based on Machine Learning
• https://ieeexplore.ieee.org/abstract/document/10551853 -> Magnetotelluric Data Inversion Based on Deep Learning with the Self-attention Mechanism
• https://www.researchgate.net/publication/361741409_Physics-Driven_Deep_Learning_Inversion_with_Application_to_Magnetotelluric
• https://www.researchgate.net/publication/355568465_Stochastic_inversion_of_magnetotelluric_data_using_deep_reinforcement_learning
• https://www.researchgate.net/publication/354360079_Two-dimensional_deep_learning_inversion_of_magnetotelluric_sounding_data
• https://ieeexplore.ieee.org/abstract/document/10530923 -> Three Dimensional Magnetotelluric Forward Modeling Through Deep Learning

Passive Seismic

• https://nature.com/articles/s41467-020-17841-x -> Clustering earthquake signals and background noises in continuous seismic data with unsupervised deep learning
• https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2022GL099053 -> Eikonal Tomography With Physics-Informed Neural Networks: Rayleigh Wave Phase Velocity in the Northeastern Margin of the Tibetan Plateau
• https://arxiv.org/abs/2403.15095 -> End-to-End Mineral Exploration with Artificial Intelligence and Ambient Noise Tomography
• https://www.nature.com/articles/s41598-019-50381-z -> High-resolution seismic tomography of Long Beach, CA using machine learning

زلزالي

• https://www.sciencedirect.com/science/article/pii/S0040195124002166 -> Reprocessing and interpretation of legacy seismic data using machine learning from the Granada Basin, Spain
• https://ojs.uni-miskolc.hu/index.php/geosciences/article/view/3313 -> EDGE DETECTION OF TOMOGRAPHIC IMAGES USING TRADITIONAL AND DEEP LEARNING TOOLS

Surface Resistivity

• https://www.researchgate.net/publication/367606119_Deriving_Surface_Resistivity_from_Polarimetric_SAR_Data_Using_Dual-Input_UNet

ريبة

• https://library.seg.org/doi/abs/10.1190/GEM2024-084.1 -> Quantifying uncertainty in 3D geophysical inverse problems: Advancing from deterministic to Bayesian and deep generative models [UNSEEN]

Geothermal

• https://www.osti.gov/biblio/2335471 - Applications of Machine Learning Techniques to Geothermal Play Fairway Analysis in the Great Basin Region, Nevada [adjacent but interesting]
• https://gdr.openei.org/submissions/1402 - Associated code
• https://catalog.data.gov/dataset/python-codebase-and-jupyter-notebooks-applications-of-machine-learning-techniques-to-geoth
• https://www.researchgate.net/publication/341418586_Preliminary_Report_on_Applications_of_Machine_Learning_Techniques_to_the_Nevada_Geothermal_Play_Fairway_Analysis

خرائط

• https://www.researchgate.net/publication/347786302_Semantic_Segmentation_Deep_Learning_for_Extracting_Surface_Mine_Extents_from_Historic_Topographic_Maps

المعدنية

• https://www.researchgate.net/publication/357942198_Mineral_classification_of_lithium-bearing_pegmatites_based_on_laser-induced_breakdown_spectroscopy_Application_of_semi-supervised_learning_to_detect_known_minerals_and_unknown_material
• https://iopscience.iop.org/article/10.1088/1755-1315/1032/1/012046 -> Classifying Minerals using Deep Learning Algorithms
• https://www.researchgate.net/publication/370835450_Predicting_new_mineral_occurrences_and_planetary_analog_environments_via_mineral_association_analysis
• https://www.researchgate.net/publication/361230503_What_is_Mineral_Informatics

البرمجة اللغوية العصبية

• https://www.researchgate.net/publication/358616133_Chinese_Named_Entity_Recognition_in_the_Geoscience_Domain_Based_on_BERT
• https://www.researchgate.net/publication/339394395_Dictionary-Based_Automated_Information_Extraction_From_Geological_Documents_Using_a_Deep_Learning_Algorithm
• https://www.aclweb.org/anthology/2020.lrec-1.568/ -> Embeddings for Named Entity Recognition in Geoscience Portuguese Literature
• https://www.researchgate.net/publication/359186219_Few-shot_learning_for_name_entity_recognition_in_geological_text_based_on_GeoBERT
• https://www.researchgate.net/publication/333464862_GeoDocA_-_Fast_Analysis_of_Geological_Content_in_Mineral_Exploration_Reports_A_Text_Mining_Approach
• https://www.researchgate.net/publication/366710921_Geological_profile-text_information_association_model_of_mineral_exploration_reports_for_fast_analysis_of_geological_content
• https://www.researchgate.net/publication/330835955_Geoscience_Keyphrase_Extraction_Algorithm_Using_Enhanced_Word_Embedding [UNSEEN]
• https://www.researchgate.net/publication/332997161_GNER_A_Generative_Model_for_Geological_Named_Entity_Recognition_Without_Labeled_Data_Using_Deep_Learning
• https://www.researchgate.net/publication/321850315_Information_extraction_and_knowledge_graph_construction_from_geoscience_literature
• https://www.researchgate.net/publication/365929623_Named_Entity_Annotation_Schema_for_Geological_Literature_Mining_in_the_Domain_of_Porphyry_Copper_Deposits
• https://www.researchgate.net/publication/329621358_Ontology-Based_Enhanced_Word_Embedding_for_Automated_Information_Extraction_from_Geoscience_Reports
• https://www.researchgate.net/publication/379808469_Ontology-driven_relational_data_mapping_for_constructing_a_knowledge_graph_of_porphyry_copper_deposits -> Ontology-driven relational data mapping for constructing a knowledge graph of porphyry copper deposits
• https://www.researchgate.net/publication/327709479_Prospecting_Information_Extraction_by_Text_Mining_Based_on_Convolutional_Neural_Networks-A_Case_Study_of_the_Lala_Copper_Deposit_China
• https://ieeexplore.ieee.org/document/8711400 -> Research and Application on Geoscience Literature Knowledge Discovery Technology
• https://www.researchgate.net/publication/332328315_Text_Mining_to_Facilitate_Domain_Knowledge_Discovery
• https://www.researchgate.net/publication/351238658_Understanding_Ore-Forming_Conditions_using_Machine_Reading_of_Text
• https://www.researchgate.net/publication/359089763_Visual_analytics_and_information_extraction_of_geological_content_for_text-based_mineral_exploration_reports
• https://www.researchgate.net/publication/354754114_What_is_this_article_about_Generative_summarization_with_the_BERT_model_in_the_geosciences_domain
• https://www.slideshare.net/phcleverley/where-text-analytics-meets-geoscience -> Where text analytics meets geoscience

Petrography

• https://www.researchgate.net/publication/335226326_Digital_petrography_Mineralogy_and_porosity_identification_using_machine_learning_algorithms_in_petrographic_thin_section_images

Last edited: 29/09/2020 The below are a collection of works from when I was doing a review

Public Mineral Prospectivity Mapping

ملخص

• https://www.researchgate.net/publication/331852267_Applying_Spatial_Prospectivity_Mapping_to_Exploration_Targeting_Fundamental_Practical_issues_and_Suggested_Solutions_for_the_Future
• https://www.researchgate.net/publication/284890591_Geochemical_Anomaly_and_Mineral_Prospectivity_Mapping_in_GIS
• https://www.researchgate.net/publication/341472154_Geodata_Science-Based_Mineral_Prospectivity_Mapping_A_Review
• https://www.researchgate.net/publication/275338029_Introduction_to_the_Special_Issue_GIS-based_mineral_potential_modelling_and_geological_data_analyses_for_mineral_exploration
• https://www.researchgate.net/publication/339074334_Introduction_to_the_special_issue_on_spatial_modelling_and_analysis_of_ore-forming_processes_in_mineral_exploration_targeting
• https://www.researchgate.net/publication/317319129_Natural_Resources_Research_Publications_on_Geochemical_Anomaly_and_Mineral_Potential_Mapping_and_Introduction_to_the_Special_Issue_of_Papers_in_These_Fields
• https://www.researchgate.net/publication/46696293_Selection_of_coherent_deposit-type_locations_and_their_application_in_data-driven_mineral_prospectivity_mapping

Geochemistry

• https://www.researchgate.net/publication/375926319_A_paradigm_shift_in_Precambrian_research_driven_by_big_data

• https://www.researchgate.net/publication/359447201_A_review_of_machine_learning_in_geochemistry_and_cosmochemistry_Method_improvements_and_applications

  • https://jaywen.com/files/He_2022_Applied_Geochemistry.pdf

• https://www.researchgate.net/publication/220164381_Application_of_geochemical_zonality_coefficients_in_mineral_prospectivity_mapping

• https://www.researchgate.net/publication/238505045_Analysis_and_mapping_of_geochemical_anomalies_using_logratio-transformed_stream_sediment_data_with_censored_values

• https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2022EA002626 -> Comparative Study on Three Autoencoder-Based Deep Learning Algorithms for Geochemical Anomaly Identification

• https://www.researchgate.net/publication/373758047_Decision-making_within_geochemical_exploration_data_based_on_spatial_uncertainty_-A_new_insight_and_a_futuristic_review

• https://www.researchgate.net/publication/331505001_Deep_learning_and_its_application_in_geochemical_mapping

• https://www.researchgate.net/publication/380262759_Factor_analysis_in_residual_soils_of_the_Iberian_Pyrite_Belt_Spain_Comparison_between_raw_data_log_transformation_data_and_compositional_data [UNSEEN]

• https://www.researchgate.net/publication/272091723_Geochemical_characteristics_of_mineral_deposits_Implications_for_ore_genesis

• https://www.researchgate.net/publication/257189047_Geochemical_mineralization_probability_index_GMPI_A_new_approach_to_generate_enhanced_stream_sediment_geochemical_evidential_map_for_increasing_probability_of_success_in_mineral_potential_mapping

• https://www.researchgate.net/publication/333497470_Integration_of_auto-encoder_network_with_density-based_spatial_clustering_for_geochemical_anomaly_detection_for_mineral_exploration

• https://www.researchgate.net/publication/319303831_Introduction_to_the_thematic_issue_Analysis_of_exploration_geochemical_data_for_mapping_of_anomalies

• https://www.researchgate.net/publication/356722687_Machine_learning-based_prediction_of_trace_element_concentrations_using_data_from_the_Karoo_large_igneous_province_and_its_application_in_prospectivity_mapping#fullTextFileContent

• https://www.degruyter.com/document/doi/10.2138/am-2023-9115/html -> Machine learning applied to apatite compositions for determining mineralization potential [UNSEEN]

• https://www.researchgate.net/publication/257026525_Primary_geochemical_characteristics_of_mineral_deposits_-_Implications_for_exploration

• https://www.researchgate.net/publication/283554338_Recognition_of_geochemical_anomalies_using_a_deep_autoencoder_network

  • https://zarmesh.com/wp-content/uploads/2017/04/Recognition-of-geochemical-anomalies-using-a-deep-autoencoder-network.pdf

• https://www.researchgate.net/publication/349606557_Robust_Feature_Extraction_for_Geochemical_Anomaly_Recognition_Using_a_Stacked_Convolutional_Denoising_Autoencoder [UNSEEN]

• https://www.researchgate.net/publication/375911531_Spatial_Interpolation_Using_Machine_Learning_From_Patterns_and_Regularities_to_Block_Models#fullTextFileContent

• https://www.researchgate.net/publication/259716832_Supervised_and_unsupervised_classification_of_near-mine_soil_Geochemistry_and_Geophysics_data

• https://www.researchgate.net/publication/277813662_Supervised_Geochemical_Anomaly_Detection_by_Pattern_Recognition

• https://www.researchgate.net/publication/249544991_Usefulness_of_stream_order_to_detect_stream_sediment_geochemical_anomalies

• https://www.researchgate.net/publication/321275541_Weighting_stream_sediment_geochemical_samples_as_exploration_indicator_of_deposit_-_type

غامض

• https://www.researchgate.net/publication/272170968_A_Comparative_Analysis_of_Weights_of_Evidence_Evidential_Belief_Functions_and_Fuzzy_Logic_for_Mineral_Potential_Mapping_Using_Incomplete_Data_at_the_Scale_of_Investigation
• https://www.researchgate.net/publication/267816279_Fuzzification_of_continuous-value_spatial_evidence_for_mineral_prospectivity_mapping
• https://www.researchgate.net/publication/301635716_Union_score_and_fuzzy_logic_mineral_prospectivity_mapping_using_discretized_and_continuous_spatial_evidence_values

ريبة

• https://deliverypdf.ssrn.com/delivery.php?ID=555064031119110002088087068121000096050036019060022069010050000053011056029076002067121000064004002088113115000107115017083105004026015092089005123065040099024112018026013043065104094012124120126039100033055018066074125089104115090100009064122122019003015085069021024027072126106082092110&EXT=pdf&INDEX=TRUE -> Estimating uncertainties in 3-D models of complex fold-and-thrust 2 belts: a case study of the Eastern Alps triangle zone
• https://www.researchgate.net/publication/333339659_Incorporating_conceptual_and_interpretation_uncertainty_to_mineral_prospectivity_modelling
• https://www.researchgate.net/publication/235443307_Managing_uncertainty_in_exploration_targeting
• https://www.researchgate.net/publication/255909185_The_upside_of_uncertainty_Identification_of_lithology_contact_zones_from_airborne_geophysics_and_satellite_data_using_random_forests_and_support_vector_machines

Geospatial Maps

أستراليا

• https://www.researchgate.net/publication/334440382_Mapping_iron_oxide_Cu-Au_IOCG_mineral_potential_in_Australia_using_a_knowledge-driven_mineral_systems-based_approach

South Australia

• https://www.researchgate.net/publication/335313790_Prospectivity_modelling_of_the_Olympic_Cu-Au_Province - https://services.sarig.sa.gov.au/raster/ProspectivityModelling/wms?service=wms&version=1.1.1&REQUEST=GetCapabilities
• An assessment of the uranium and geothermal prospectivity of east-central South Australia - https://d28rz98at9flks.cloudfront.net/72666/Rec2011_034.pdf

NT

• https://www.researchgate.net/publication/285235798_An_assessment_of_the_uranium_and_geothermal_prospectivity_of_the_southern_Northern_Territory

وا

• https://www.researchgate.net/publication/273073675_Building_a_machine_learning_classifier_for_iron_ore_prospectivity_in_the_Yilgarn_Craton
• http://dmpbookshop.eruditetechnologies.com.au/product/district-scale-targeting-for-gold-in-the-yilgarn-craton-part-2-of-the-yilgarn-gold-exploration-targeting-atlas.do$55 purchase
• http://dmpbookshop.eruditetechnologies.com.au/product/mineral-prospectivity-of-the-king-leopold-orogen-and-lennard-shelf-analysis-of-potential-field-data-in-the-west-kimberley-region-geographical-product-n14bnzp.do
• http://dmpbookshop.eruditetechnologies.com.au/product/mineral-systems-analysis-of-the-west-musgrave-province-regional-structure-and-prospectivity-modelling-geographical-product-n12dzp.do
• http://dmpbookshop.eruditetechnologies.com.au/product/mineral-systems-analysis-of-the-west-musgrave-province-regional-structure-and-prospectivity-modelling.do $22 purchase
• https://researchdata.edu.au/predictive-mineral-discovery-gold-mineral/1209568?source=suggested_datasets - Predictive mineral discovery in the eastern Yilgarn Craton: an example of district-scale targeting of an orogenic gold mineral system - https://d28rz98at9flks.cloudfront.net/82617/Y4_Gold_Targeting.zip
• http://dmpbookshop.eruditetechnologies.com.au/product/prospectivity-analysis-of-the-halls-creek-orogen-western-australia-using-a-mineral-systems-approach-geographical-product-n15af3zp.do
• https://researchdata.edu.au/prospectivity-analysis-using-063-m436/1424743 - Prospectivity analysis using a mineral systems approach - Capricorn case study project CSIRO Prospectivity analysis using a mineral systems approach - Capricorn case study project (13.5 GB تحميل)
• http://dmpbookshop.eruditetechnologies.com.au/product/regional-scale-targeting-for-gold-in-the-yilgarn-craton-part-1-of-the-yilgarn-gold-exploration-targeting-atlas.do $55 purchase
• https://www.researchgate.net/publication/263928515_Towards_Australian_metallogenic_maps_through_space_and_time
• https://www.sciencedirect.com/science/article/abs/pii/S0301926810002111 - Yilgarn

البرازيل

• https://www.researchgate.net/publication/340633563_CATALOG_OF_PROSPECTIVITY_MAPS_OF_SELECTED_AREAS_FROM_BRAZIL
• https://www.researchgate.net/publication/341936771_Modeling_of_Cu-Au_Prospectivity_in_the_Carajas_mineral_province_Brazil_through_Machine_Learning_Dealing_with_Imbalanced_Training_Data
• https://www.researchgate.net/publication/287270273_Nickel_prospective_modelling_using_fuzzy_logic_on_nova_Brasilandia_metasedimentary_belt_Rondonia_Brazil
• https://www.scielo.br/scielo.php?script=sci_arttext&pid=S2317-48892016000200261 - Sao Francisco Craton Nickel

أستراليا

• https://www.researchgate.net/publication/248211737_A_continent-wide_study_of_Australia's_uranium_potential
• https://www.researchgate.net/publication/334440382_Mapping_iron_oxide_Cu-Au_IOCG_mineral_potential_in_Australia_using_a_knowledge-driven_mineral_systems-based_approach
• https://researchdata.edu.au/predictive-model-opal-mining-approach/673159/?refer_q=rows=15/sort=score%20desc/class=collection/p=2/q=mineral%20prospectivity%20map/ - Opal

سا

• https://data.gov.au/dataset/ds-ga-a8619169-1c2a-6697-e044-00144fdd4fa6/details?q= -> An assessment of the uranium and geothermal prospectivity of east central South Australia
• https://d28rz98at9flks.cloudfront.net/72666/Rec2011_034.pdf -> An assessment of the uranium and geothermal prospectivity of east-central South Australia
• https://www.pir.sa.gov.au/__data/assets/pdf_file/0011/239636/204581-001_wise_high.pdf - Eastern Gawler - WPA
• http://www.energymining.sa.gov.au/minerals/knowledge_centre/mesa_journal/previous_feature_articles/new_prospectivity_map
• https://catalog.sarig.sa.gov.au/geonetwork/srv/eng/catalog.search#/metadata/e59cd4ba-1a0a-4911-9e6a-58d80576678d - Olympic Domain IOCG Prospectivity model
• https://www.researchgate.net/publication/335313790_Prospectivity_modelling_of_the_Olympic_Cu-Au_Province - https://services.sarig.sa.gov.au/raster/ProspectivityModelling/wms?service=wms&version=1.1.1&REQUEST=GetCapabilities

وا

• https://www.sciencedirect.com/science/article/abs/pii/S0301926810002111 - Yilgarn Karol Czarnota
• https://www.researchgate.net/publication/229333177_Prospectivity_analysis_of_the_Plutonic_Marymia_Greenstone_Belt_Western_Australia
• https://www.researchgate.net/publication/280039091_Mineral_systems_approach_applied_to_GIS-based_2D-prospectivity_modelling_of_geological_regions_Insights_from_Western_Australia
• https://www.researchgate.net/publication/351238658_Understanding_Ore-Forming_Conditions_using_Machine_Reading_of_Text

NT

• https://www.researchgate.net/publication/285235798_An_assessment_of_the_uranium_and_geothermal_prospectivity_of_the_southern_Northern_Territory
• https://www.researchgate.net/publication/342352173_Modelling_gold_potential_in_the_Granites-Tanami_Orogen_NT_Australia_A_comparative_study_using_continuous_and_data-driven_techniques

NSW

• https://www.resourcesandgeoscience.nsw.gov.au/miners-and-explorers/geoscience-information/projects/mineral-potential-mapping#_southern-_new-_england-_orogen-mineral-potential
• https://www.smedg.org.au/GSNSW_2019_Blevin.pdf - Eastern Lachlan Orogen
• https://www.researchgate.net/publication/265915602_Comparing_prospectivity_modelling_results_and_past_exploration_data_A_case_study_of_porphyry_Cu-Au_mineral_systems_in_the_Macquarie_Arc_Lachlan_Fold_Belt_New_South_Wales

البرازيل

• https://www.researchgate.net/publication/340633563_CATALOG_OF_PROSPECTIVITY_MAPS_OF_SELECTED_AREAS_FROM_BRAZIL
• https://www.researchgate.net/publication/340633739_MINERAL_POTENTIAL_AND_OPORTUNITIES_FOR_THE_EXPLORATION_OF_NEW_GEOLOGICAL_GROUNDS_IN_BRAZIL
• https://www.semanticscholar.org/paper/Mineral-Potential-Mapping-for-Orogenic-Gold-in-the-Silva-Silva/a23a9ce4da48863da876758afa9e1d2723088853
• https://www.scielo.br/scielo.php?script=sci_arttext&pid=S2317-48892016000200261 - Supergene nickel deposits in outhwestern Sao Francisco Carton, Brazil

Carajas

• https://www.researchgate.net/publication/258466504_Self-Organizing_Maps_A_Data_Mining_Tool_for_the_Analysis_of_Airborne_Geophysical_Data_Collected_over_the_Brazilian_Amazon
• https://www.researchgate.net/publication/258647519_Semiautomated_geologic_mapping_using_self-organizing_maps_and_airborne_geophysics_in_the_Brazilian_Amazon
• https://www.researchgate.net/publication/235443304_GIS-Based_prospectivity_mapping_for_orogenic_gold_A_case_study_from_the_Andorinhas_region_Brasil
• https://www.researchgate.net/publication/341936771_Modeling_of_Cu-Au_Prospectivity_in_the_Carajas_mineral_province_Brazil_through_Machine_Learning_Dealing_with_Imbalanced_Training_Data
• https://www.researchgate.net/publication/332031621_Predictive_lithological_mapping_through_machine_learning_methods_a_case_study_in_the_Cinzento_Lineament_Carajas_Province_Brazil
• https://www.researchgate.net/publication/340633659_Copper-gold_favorability_in_the_Cinzento_Shear_Zone_Carajas_Mineral_Province
• https://www.researchgate.net/publication/329477409_Favorability_potential_for_IOCG_type_deposits_in_the_Riacho_do_Pontal_Belt_New_insights_for_identifying_prospects_of_IOCG-type_deposits_in_NE_Brazil
• https://www.researchgate.net/publication/339453836_Uranium_anomalies_detection_through_Random_Forest_regression
• https://d1wqtxts1xzle7.cloudfront.net/48145419/Artificial_neural_networks_applied_to_mi20160818-5365-odv4na.pdf?1471522188=&response-content-disposition=inline%3B+filename%3DArtificial_neural_networks_applied_to_mi.pdf&Expires=1593477539&Signature=DNmSxKogrD54dE4LX~8DT4K7vV0ZGcf8Q2RRfXEPsCc8PGiBrbeBpy4NVQdCiENLz-YfSzVGk6LI8k5MEGxR~qwnUn9ISLHDuIau6VqBFSEA29jMixCbvQM6hbkUJKQlli-AuSPUV23TsSk76kB6amDYtwNHmBnUPzTQGZLj2XkzJza9PA-7W2-VrPQKHNPxJp3z8J0mPq4rhmHZLaFMMSL6QMpK5qpvSqi6Znx-kIhCprlyYfODisq0unOIwnEQstiMf2RnB6gPmGOodhNlLsSr01e7TvtvFDBOQvhhooeDeQrvkINN4DJjAIIrbrcQ8B2b-ATQS0a3QQe93h-VFA__&Key-Pair-Id=APKAJLOHF5GGSLRBV4ZA - Leite, EPL; de Souza Filho, CR Artificial neural networks applied to mineral potential mapping for copper-gold mineralizations in the Carajás Mineral Province, Brazil. Geoph. Prosp. 2009, 57, 1049–1065.
• https://link-springer-com.access.library.unisa.edu.au/content/pdf/10.1007/s11053-015-9263-2.pdf - A Comparative Analysis of Weights of Evidence, Evidential Belief Functions, and Fuzzy Logic for Mineral Potential Mapping Using Incomplete Data at the Scale of Investigation
• https://library.seg.org/doi/abs/10.1190/sbgf2011-245 - Gold Prospectivity Mapping of Andorinhas Greenstone Belt, Para

Gurupi

• https://www.researchgate.net/publication/312220651_Predictive_Mapping_of_Prospectivity_in_the_Gurupi_Orogenic_Gold_Belt_North-Northeast_Brazil_An_Example_of_District-Scale_Mineral_System_Approach_to_Exploration_Targeting

أستراليا

• https://www.researchgate.net/publication/260107484_Unsupervised_clustering_of_continental-scale_geophysical_and_geochemical_data_using_Self-Organising_Maps
• https://www.researchgate.net/publication/332263305_A_speedy_update_on_machine_learning_applied_to_bedrock_mapping_using_geochemistry_or_geophysics_examples_from_the_Pacific_Rim_and_nearby
• https://www.researchgate.net/publication/317312520_Catchment-based_gold_prospectivity_analysis_combining_geochemical_geophysical_and_geological_data_across_northern_Australia
• https://www.researchgate.net/publication/326571155_Continental-scale_mineral_prospectivity_assessment_using_the_National_Geochemical_Survey_of_Australia_NGSA_dataset
• https://www.researchgate.net/publication/334440382_Mapping_iron_oxide_Cu-Au_IOCG_mineral_potential_in_Australia_using_a_knowledge-driven_mineral_systems-based_approach
• https://www.researchgate.net/publication/282189370_Uranium_Prospectivity_Mapping_Across_the_Australian_Continent_via_Unsupervised_Cluster_Analysis_of_Integrated_Remote_Sensing_Data

South Australia

• https://www.researchgate.net/publication/335313790_Prospectivity_modelling_of_the_Olympic_Cu-Au_Province - https://services.sarig.sa.gov.au/raster/ProspectivityModelling/wms?service=wms&version=1.1.1&REQUEST=GetCapabilities

Queensland

• https://www.researchgate.net/publication/317312520_Catchment-based_gold_prospectivity_analysis_combining_geochemical_geophysical_and_geological_data_across_northern_Australia
• https://www.researchgate.net/publication/252707107_GIS-based_epithermal_copper_prospectivity_mapping_of_the_Mt_Isa_Inlier_Australia_Implications_for_exploration_targeting
• https://www.researchgate.net/publication/222211452_Predictive_modelling_of_prospectivity_for_Pb-Zn_deposits_in_the_Lawn_Hill_Region_Queensland_Australia

New South Wales

• https://www.researchgate.net/publication/336349643_MINERAL_POTENTIAL_MAPPING_AS_A_STRATEGIC_PLANNING_TOOL_IN_THE_EASTERN_LACHLAN_OROGEN_NSW
• https://www.publish.csiro.au/ex/pdf/ASEG2013ab236 - Mineral prospectivity analysis of the Wagga–Omeo belt in NSW
• https://www.researchgate.net/publication/329761040_NSW_Zone_54_Mineral_Systems_Mineral_Potential_Report
• https://www.researchgate.net/publication/337569823_Practical_Implementation_of_Random_Forest-Based_Mineral_Potential_Mapping_for_Porphyry_Cu-Au_Mineralization_in_the_Eastern_Lachlan_Orogen_NSW_Australia
• https://www.researchgate.net/publication/333551776_Translating_expressions_of_intrusion-related_mineral_systems_into_mappable_spatial_proxies_for_mineral_potential_mapping_Case_studies_from_the_Southern_New_England_Orogen_Australia

Tasmania

• https://www.researchgate.net/publication/262380025_Mapping_geology_and_volcanic-hosted_massive_sulfide_alteration_in_the_Hellyer-Mt_Charter_region_Tasmania_using_Random_Forests_TM_and_Self-Organising_Maps

فيكتوريا

• https://www.researchgate.net/publication/323856713_Lithological_mapping_using_Random_Forests_applied_to_geophysical_and_remote_sensing_data_a_demonstration_study_from_the_Eastern_Goldfields_of_Australia
• https://publications.csiro.au/publications/#publication/PIcsiro:EP123339/SQmineral%20prospectivity/RP1/RS50/RORECENT/STsearch-by-keyword/LISEA/RI16/RT26 [nickel]
• https://www.researchgate.net/publication/257026553_Regional_prospectivity_analysis_for_hydrothermal-remobilised_nickel_mineral_systems_in_western_Victoria_Australia

Western Australia

• https://www.researchgate.net/publication/274714146_Reducing_subjectivity_in_multi-commodity_mineral_prospectivity_analyses_Modelling_the_west_Kimberley_Australia
• https://www.researchgate.net/publication/319013132_Identifying_mineral_prospectivity_using_3D_magnetotelluric_potential_field_and_geological_data_in_the_east_Kimberley_Australia
• https://www.researchgate.net/publication/280930127_Regional-scale_targeting_for_gold_in_the_Yilgarn_Craton_Part_1_of_the_Yilgarn_Gold_Exploration_Targeting_Atlas
• https://www.researchgate.net/publication/279533541_District-scale_targeting_for_gold_in_the_Yilgarn_Craton_Part_2_of_the_Yilgarn_Gold_Exploration_Targeting_Atlas
• https://www.researchgate.net/publication/257026568_Exploration_targeting_for_orogenic_gold_deposits_in_the_Granites-Tanami_Orogen_Mineral_system_analysis_targeting_model_and_prospectivity_analysis
• https://www.researchgate.net/publication/280039091_Mineral_systems_approach_applied_to_GIS-based_2D-prospectivity_modelling_of_geological_regions_Insights_from_Western_Australia (the West Arunta Orogen, West Musgrave Orogen and Gascoyne Province - http://dmpbookshop.eruditetechnologies.com.au/product/mineral-systems-analysis-of-the-west-musgrave-province-regional-structure-and-prospectivity-modelling.do
• https://reader.elsevier.com/reader/sd/pii/S0169136810000417? - token=9FD1C06A25E7ECC0C384C0ECF976E4BC9C36047C53CEED08066811979A640E89DD94C49510D1B500C6FF5E69982E018E Prospectivity analysis of the Plutonic Marymia Greenstone Belt, Western Australia
• https://research-repository.uwa.edu.au/en/publications/exploration-targeting-for-orogenic-gold-deposits-in-the-granites- - Tanami orogen
• https://www.researchgate.net/publication/332631130_Fuzzy_inference_systems_for_prospectivity_modeling_of_mineral_systems_and_a_case-study_for_prospectivity_mapping_of_surficial_Uranium_in_Yeelirrie_Area_Western_Australia_Ore_Geology_Reviews_71_839-852Tasmania
• https://publications.csiro.au/rpr/download?pid=csiro:EP102133&dsid=DS3 [nickel]

Endowment Modelling

• https://www.researchgate.net/publication/248211962_A_new_method_for_spatial_centrographic_analysis_of_mineral_deposit_clusters
• https://www.researchgate.net/publication/275620329_A_Time-Series_Audit_of_Zipf's_Law_as_a_Measure_of_Terrane_Endowment_and_Maturity_in_Mineral_Exploration
• https://www.researchgate.net/publication/341087909_Assessing_the_variability_of_expert_estimates_in_the_USGS_Three-part_Mineral_Resource_Assessment_Methodology_A_call_for_increased_skill_diversity_and_scenario-based_training
• https://github.com/iagoslc/ZipfsLaw_Quadrilatero_Ferrifero
• https://www.researchgate.net/publication/222834436_Controls_on_mineral_deposit_occurrence_inferred_from_analysis_of_their_spatial_pattern_and_spatial_association_with_geological_features
• https://www.researchgate.net/publication/229792860_From_Predictive_Mapping_of_Mineral_Prospectivity_to_Quantitative_Estimation_of_Number_of_Undiscovered_Prospects
• https://www.researchgate.net/publication/330994502_Global_Grade-and-Tonnage_Modeling_of_Uranium_deposits
• https://pubs.geoscienceworld.org/segweb/economicgeology/article-abstract/103/4/829/127993/Linking-Mineral-Deposit-Models-to-Quantitative?redirectedFrom=fulltext
• https://www.researchgate.net/publication/238365283_Metal_endowment_of_cratons_terranes_and_districts_Insights_from_a_quantitative_analysis_of_regions_with_giant_and_super-giant_deposits
• https://www.researchgate.net/publication/308778798_Spatial_analysis_of_mineral_deposit_distribution_A_review_of_methods_and_implications_for_structural_controls_on_iron_oxide-copper-gold_mineralization_in_Carajas_Brazil
• https://www.researchgate.net/publication/229347041_Predictive_mapping_of_prospectivity_and_quantitative_estimation_of_undiscovered_VMS_deposits_in_Skellefte_district_Sweden
• https://www.researchgate.net/publication/342405763_Predicting_grade-tonnage_characteristics_of_undiscovered_mineralisation_application_of_the_USGS_Three-part_Undiscovered_Mineral_Resource_Assessment_to_the_Sandstone_Greenstone_Belt_of_the_Yilgarn_Bloc
• https://www.sciencedirect.com/science/article/pii/S0169136810000685
• https://www.researchgate.net/publication/240301743_Spatial_statistical_analysis_of_the_distribution_of_komatiite-hosted_nickel_sulfide_deposits_in_the_Kalgoorlie_terrane_Western_Australia_Clustered_or_Not

World Models

• https://www.researchgate.net/publication/331283650_Archean_crust_and_metallogenic_zones_in_the_Amazonian_Craton_sensed_by_satellite_gravity_data
• https://eartharxiv.org/2kjvc/ -> Global distribution of sediment-hosted metals controlled by craton edge stability
• https://www.researchgate.net/post/Is_it_possible_to_derive_free_air_anomaly_or_bouguer_anomaly_from_gravity_disturbance_data
• https://www.researchgate.net/publication/325344128_The_role_of_basement_control_in_Iron_Oxide-Copper-Gold_mineral_systems_revealed_by_satellite_gravity_models
• https://www.researchgate.net/publication/331428028_Supplementary_Material_for_the_paper_Archean_crust_and_metallogenic_zones_in_the_Amazonian_Craton_sensed_by_satellite_gravity_data
• https://www.leouieda.com/pdf/use-the-disturbance.pdf
• https://www.leouieda.com/papers/use-the-disturbance.html

Financial Forecasting

• https://www.researchgate.net/publication/317137060_Forecasting_copper_prices_by_decision_tree_learning
• https://www.researchgate.net/publication/4874824_Mine_Size_and_the_Structure_of_Costs

Agent based Modelling

• https://mpra.ub.uni-muenchen.de/62159/ -> Mineral exploration as a game of chance [Agent Based Modelling]

Spectral Unmixing

• Overviews and examples, with some focus on neural network approaches.

الشبكات العصبية

• https://www.researchgate.net/publication/224180646_A_neural_network_approach_for_pixel_unmixing_in_hyperspectral_data
• https://www.researchgate.net/publication/340690859_A_Supervised_Nonlinear_Spectral_Unmixing_Method_by_Means_of_Neural_Networks
• https://www.researchgate.net/publication/326205017_Classification_of_Hyperspectral_Data_Using_a_Multi-Channel_Convolutional_Neural_Network
• https://www.researchgate.net/publication/339062151_Classification_of_small-scale_hyperspectral_images_with_multi-source_deep_transfer_learning
• https://www.researchgate.net/publication/331824337_Comparative_Analysis_of_Unmixing_Algorithms_Using_Synthetic_Hyperspectral_Data
• https://www.researchgate.net/publication/335501086_Convolutional_Autoencoder_For_Spatial-Spectral_Hyperspectral_Unmixing
• https://www.researchgate.net/publication/341501560_Convolutional_Autoencoder_for_Spectral-Spatial_Hyperspectral_Unmixing
• https://www.researchgate.net/publication/333906204_Deep_convolutional_neural_networks_for_land-cover_classification_with_Sentinel-2_images
• https://www.researchgate.net/publication/356711693_Deep-learning-based_latent_space_encoding_for_spectral_unmixing_of_geological_materials
• https://www.researchgate.net/publication/331505001_Deep_learning_and_its_application_in_geochemical_mapping
• https://www.researchgate.net/publication/332696102_Deep_Learning_for_Classification_of_Hyperspectral_Data_A_Comparative_Review
• https://www.researchgate.net/publication/336889271_Deep_Learning_for_Hyperspectral_Image_Classification_An_Overview
• https://www.researchgate.net/publication/327995228_Deep_Spectral_Convolution_Network_for_Hyperspectral_Unmixing
• https://ieeexplore.ieee.org/abstract/document/10580951 -> Exploring Hybrid Contrastive Learning and Scene-to-Label Information for Multilabel Remote Sensing Image Classification [UNSEEN]
• https://www.researchgate.net/publication/356393038_Generalized_Unsupervised_Clustering_of_Hyperspectral_Images_of_Geological_Targets_in_the_Near_Infrared
• https://ieeexplore.ieee.org/abstract/document/10588073 -> Hyperspectral Image Classification Using Spatial and Spectral Features Based on Deep Learning [UNSEEN]
• https://www.researchgate.net/publication/333301728_Hyperspectral_Image_Classification_Method_Based_on_CNN_Architecture_Embedding_With_Hashing_Semantic_Feature
• https://www.researchgate.net/publication/323950012_Hyperspectral_Unmixing_Using_A_Neural_Network_Autoencoder
• https://www.researchgate.net/publication/339657313_Hyperspectral_unmixing_using_deep_convolutional_autoencoder
• https://www.researchgate.net/publication/339066136_Hyperspectral_Unmixing_Using_Deep_Convolutional_Autoencoders_in_a_Supervised_Scenario
• https://www.researchgate.net/publication/335878933_LITHOLOGICAL_CLASSIFICATION_USING_MULTI-SENSOR_DATA_AND_CONVOLUTIONAL_NEURAL_NETWORKS
• https://ieeexplore.ieee.org/abstract/document/10551851 -> MSNet: Self-Supervised Multiscale Network With Enhanced Separation Training for Hyperspectral Anomaly Detection
• https://www.researchgate.net/publication/331794887_Nonlinear_Unmixing_of_Hyperspectral_Data_via_Deep_Autoencoder_Networks
• https://ieeexplore.ieee.org/abstract/document/10534107 -> ReSC-net: Hyperspectral Image Classification Based on Attention-Enhanced Residual Module and Spatial-Channel Attention
• https://www.researchgate.net/publication/340961027_Recent_Advances_in_Hyperspectral_Unmixing_Using_Sparse_Techniques_and_Deep_Learning
• https://www.researchgate.net/publication/330272600_Semisupervised_Stacked_Autoencoder_With_Cotraining_for_Hyperspectral_Image_Classification
• https://www.researchgate.net/publication/336097421_Spatial-Spectral_Hyperspectral_Unmixing_Using_Multitask_Learning
• https://www.researchgate.net/publication/312355586_Spectral-Spatial_Classification_of_Hyperspectral_Imagery_with_3D_Convolutional_Neural_Network
• https://meetingorganizer.copernicus.org/EGU2020/EGU2020-10719.html -> Sentinel-2 as a tool for mapping iron-bearing alteration minerals: a case study from the Iberian Pyrite Belt (Southern Spain)
• https://www.researchgate.net/publication/334058881_SSDC-DenseNet_A_Cost-Effective_End-to-End_Spectral-Spatial_Dual-Channel_Dense_Network_for_Hyperspectral_Image_Classification
• https://www.researchgate.net/publication/333497470_Integration_of_auto-encoder_network_with_density-based_spatial_clustering_for_geochemical_anomaly_detection_for_mineral_exploration
• https://www.sciencedirect.com/science/article/pii/S0009281924000473 -> Geochemical characteristics and mapping of Reşadiye (Tokat-Türkiye) bentonite deposits using machine learning and sub-pixel mixture algorithms

عام

• https://www.sciencedirect.com/science/article/pii/S0273117724004861?dgcid=rss_sd_all -> Optimization of machine learning algorithms for remote alteration mapping
• https://www.researchgate.net/publication/337841253_A_solar_optical_hyperspectral_library_of_rare_earth-bearing_minerals_rare_earth_oxides_copper-bearing_minerals_and_Apliki_mine_surface_samples
• https://ieeexplore.ieee.org/document/10536904 -> A Reversible Generative Network for Hyperspectral Unmixing With Spectral Variability
• https://www.researchgate.net/publication/3204295_Abundance_Estimation_of_Spectrally_Similar_Minerals_by_Using_Derivative_Spectra_in_Simulated_Annealing
• https://www.researchgate.net/publication/338371376_Accuracy_assessment_of_hydrothermal_mineral_maps_derived_from_ASTER_images
• https://www.researchgate.net/publication/337790490_Analysis_of_Most_Significant_Bands_and_Band_Ratios_for_Discrimination_of_Hydrothermal_Alteration_Minerals
• https://www.researchgate.net/project/Deep-Learning-for-Remote-Sensing-2
• https://ieeexplore.ieee.org/abstract/document/10589462 -> Deep Spectral Spatial Feature Enhancement through Transformer for Hyperspectral Image Classification
• https://www.researchgate.net/publication/331876006_Fusion_of_Landsat_and_Worldview_Images
• https://www.researchgate.net/publication/259096595_Geological_mapping_using_remote_sensing_data_A_comparison_of_five_machine_learning_algorithms_their_response_to_variations_in_the_spatial_distribution_of_training_data_and_the_use_of_explicit_spatial_
• https://www.researchgate.net/publication/341802637_Improved_k-means_and_spectral_matching_for_hyperspectral_mineral_mapping
• https://www.researchgate.net/publication/272565561_Integration_and_Analysis_of_ASTER_and_IKONOS_Images_for_the_Identification_of_Hydrothermally-_Altered_Mineral_Exploration_Sites
• https://www.researchgate.net/publication/236271149_Multi-_and_hyperspectral_geologic_remote_sensing_A_review_GRSG_Member_News
• https://www.researchgate.net/publication/220492175_Multi-and_Hyperspectral_geologic_remote_sensing_A_review
• https://www.sciencedirect.com/science/article/pii/S1574954124001572 -> Rapid estimation of soil Mn content by machine learning and soil spectra in large-scale
• https://www.researchgate.net/publication/342184377_remotesensing-12-01239-v2_1
• https://www.researchgate.net/project/Remote-sensing-exploration-of-critical-mineral-deposits
• https://www.researchgate.net/project/Sentinel-2-MSI-for-geological-remote-sensing
• https://www.researchgate.net/publication/323808118_Thermal_infrared_multispectral_remote_sensing_of_lithology_and_mineralogy_based_on_spectral_properties_of_materials
• https://www.researchgate.net/publication/340505978_Unsupervised_and_Supervised_Feature_Extraction_Methods_for_Hyperspectral_Images_Based_on_Mixtures_of_Factor_Analyzers

أفريقيا

• https://www.researchgate.net/publication/235443308_Application_of_remote_sensing_and_GIS_mapping_to_Quaternary_to_recent_surficial_sediments_of_the_Central_Uranium_district_Namibia
• https://www.researchgate.net/publication/342373512_Geological_mapping_using_Random_Forests_applied_to_Remote_Sensing_data_a_demonstration_study_from_Msaidira-Souk_Al_Had_Sidi_Ifni_inlier_Western_Anti-Atlas_Morocco
• https://www.researchgate.net/publication/340534611_Identifying_high_potential_zones_of_gold_mineralization_in_a_sub-tropical_region_using_Landsat-8_and_ASTER_remote_sensing_data_a_case_study_of_the_Ngoura-Colomines_goldfield_Eastern_Cameroon
• https://www.researchgate.net/publication/342162988_Lithological_and_alteration_mineral_mapping_for_alluvial_gold_exploration_in_the_south_east_of_Birao_area_Central_African_Republic_using_Landsat-8_Operational_Land_Imager_OLI_data
• https://www.researchgate.net/publication/329193841_Mapping_Copper_Mineralisation_using_EO-1_Hyperion_Data_Fusion_with_Landsat_8_OLI_and_Sentinel-2A_in_Moroccan_Anti_Atlas
• https://www.researchgate.net/publication/230918249_SPECTRAL_REMOTE_SENSING_OF_HYDROTHERMAL_ALTERATION_ASSOCIATED_WITH_VOLCANOGENIC_MASSIVE_SULPHIDE_DEPOSITS_GOROB-HOPE_AREA_NAMIBIA
• https://www.researchgate.net/publication/337304180_The_application_of_day_and_night_time_ASTER_satellite_imagery_for_geothermal_and_mineral_mapping_in_East_Africa
• https://www.researchgate.net/publication/336823002_Towards_Multiscale_and_Multisource_Remote_Sensing_Mineral_Exploration_Using_RPAS_A_Case_Study_in_the_Lofdal_Carbonatite-Hosted_REE_Deposit_Namibia
• https://www.researchgate.net/publication/338296843_Use_of_the_Sentinel-2A_Multispectral_Image_for_Litho-Structural_and_Alteration_Mapping_in_Al_Glo'a_Map_Sheet_150000_Bou_Azzer-El_Graara_Inlier_Central_Anti-Atlas_Morocco

البرازيل

• https://www.researchgate.net/publication/287950835_Altimetric_and_aeromagnetometric_data_fusion_as_a_tool_of_geological_interpretation_the_example_of_the_Carajas_Mineral_Province_PA
• https://www.researchgate.net/publication/237222985_Analise_e_integracao_de_dados_do_SAR-R99B_com_dados_de_sensoriamento_remoto_optico_e_dados_aerogeofisicos_na_regiao_dos_depositos_de_oxido_de_Fe-Cu-Au_tipo_Sossego_e_118_na_Provincia_Mineral_de_Caraja
• https://www.researchgate.net/publication/327503453_Comparison_of_Altered_Mineral_Information_Extracted_from_ETM_ASTER_and_Hyperion_data_in_Aguas_Claras_Iron_Ore_Brazil
• https://www.researchgate.net/publication/251743903_Enhancement_Of_Landsat_Thematic_Mapper_Imagery_For_Mineral_Prospecting_In_Weathered_And_Vegetated_Terrain_In_SE_Brazil
• https://www.researchgate.net/publication/228854234_Hyperspectral_Data_Processing_For_Mineral_Mapping_Using_AVIRIS_1995_Data_in_Alto_Paraiso_de_Goias_Central_Brazil
• https://www.researchgate.net/publication/326612136_Mapping_Mining_Areas_in_the_Brazilian_Amazon_Using_MSISentinel-2_Imagery_2017
• https://www.researchgate.net/publication/242188704_MINERALOGICAL_CHARACTERIZATION_AND_MAPPING_USING_REFLECTANCE_SPECTROSCOPY_AN_EXPERIMENT_AT_ALTO_DO_GIZ_PEGMATITE_IN_THE_SOUTH_PORTION_OF_BORBOREMA_PEGMATITE_PROVINCE_BPP_NORTHEASTERN_BRAZIL

الصين

• https://www.researchgate.net/publication/338355143_A_comprehensive_scheme_for_lithological_mapping_using_Sentinel-2A_and_ASTER_GDEM_in_weathered_and_vegetated_coastal_zone_Southern_China
• https://www.researchgate.net/publication/332957713_Data_mining_of_the_best_spectral_indices_for_geochemical_anomalies_of_copper_A_study_in_the_northwestern_Junggar_region_Xinjiang
• https://www.researchgate.net/publication/380287318_Machine_learning_model_for_deep_exploration_Utilizing_short_wavelength_infrared_SWIR_of_hydrothermal_alteration_minerals_in_the_Qianchen_gold_deposit_Jiaodong_Peninsula_Eastern_China
• https://www.researchgate.net/publication/304906898_Remote_sensing_and_GIS_prospectivity_mapping_for_magmatic-hydrothermal_base-_and_precious-metal_deposits_in_the_Honghai_district_China

جرينلاند

• https://www.researchgate.net/publication/326655551_Application_of_Multi-Sensor_Satellite_Data_for_Exploration_of_Zn-Pb_Sulfide_Mineralization_in_the_Franklinian_Basin_North_Greenland
• https://www.researchgate.net/publication/337512735_Fusion_of_DPCA_and_ICA_algorithms_for_mineral_detection_using_Landsat-8_spectral_bands
• https://www.researchgate.net/publication/336684298_Landsat-8_Advanced_Spaceborne_Thermal_Emission_and_Reflection_Radiometer_and_WorldView-3_Multispectral_Satellite_Imagery_for_Prospecting_Copper-Gold_Mineralization_in_the_Northeastern_Inglefield_Mobil

الهند

• https://www.researchgate.net/publication/337649256_Automated_lithological_mapping_by_integrating_spectral_enhancement_techniques_and_machine_learning_algorithms_using_AVIRIS-NG_hyperspectral_data_in_Gold-bearing_granite-greenstone_rocks_in_Hutti_India
• https://www.researchgate.net/publication/333816841_Integrated_application_of_AVIRIS-NG_and_Sentinel-2A_dataset_in_altered_mineral_abundance_mapping_A_case_study_from_Jahazpur_area_Rajasthan
• https://www.researchgate.net/publication/339631389_Identification_and_characterization_of_hydrothermally_altered_minerals_using_surface_and_space-based_reflectance_spectroscopy_in_parts_of_south-eastern_Rajasthan_India
• https://www.researchgate.net/publication/338116272_Potential_Use_of_ASTER_Derived_Emissivity_Thermal_Inertia_and_Albedo_Image_for_Discriminating_Different_Rock_Types_of_Aravalli_Group_of_Rocks_Rajasthan

إيران

• https://www.researchgate.net/publication/338336181_A_Remote_Sensing-Based_Application_of_Bayesian_Networks_for_Epithermal_Gold_Potential_Mapping_in_Ahar-Arasbaran_Area_NW_Iran
• https://www.researchgate.net/publication/338371376_Accuracy_assessment_of_hydrothermal_mineral_maps_derived_from_ASTER_images
• https://www.researchgate.net/publication/340606566_Application_of_Landsat-8_Sentinel-2_ASTER_and_WorldView-3_Spectral_Imagery_for_Exploration_of_Carbonate-Hosted_Pb-Zn_Deposits_in_the_Central_Iranian_Terrane_CIT
• https://www.researchgate.net/publication/331428927_Comparison_of_Different_Algorithms_to_Map_Hydrothermal_Alteration_Zones_Using_ASTER_Remote_Sensing_Data_for_Polymetallic_Vein-Type_Ore_Exploration_Toroud-Chahshirin_Magmatic_Belt_TCMB_North_Iran
• https://www.researchgate.net/publication/327832371_Band_Ratios_Matrix_Transformation_BRMT_A_Sedimentary_Lithology_Mapping_Approach_Using_ASTER_Satellite_Sensor
• https://www.researchgate.net/publication/331314687_Lithological_mapping_in_Sangan_region_in_Northeast_Iran_using_ASTER_satellite_data_and_image_processing_methods
• https://www.researchgate.net/publication/330774780_Mapping_hydrothermal_alteration_zones_and_lineaments_associated_with_orogenic_gold_mineralization_using_ASTER_data_A_case_study_from_the_Sanandaj-Sirjan_Zone_Iran
• https://www.researchgate.net/publication/380812370_Optimization_of_machine_learning_algorithms_for_remote_alteration_mapping
• https://www.researchgate.net/publication/362620968_Spatial_mapping_of_hydrothermal_alterations_and_structural_features_for_gold_and_cassiterite_exploration

بيرو

• https://www.researchgate.net/publication/271714561_Geology_and_Hydrothermal_Alteration_of_the_Chapi_Chiara_Prospect_and_Nearby_Targets_Southern_Peru_Using_ASTER_Data_and_Reflectance_Spectroscopy
• https://www.researchgate.net/publication/317141295_Hyperspectral_remote_sensing_applied_to_mineral_exploration_in_southern_Peru_A_multiple_data_integration_approach_in_the_Chapi_Chiara_gold_prospect

إسبانيا

• https://www.researchgate.net/publication/233039694_Geological_mapping_using_Landsat_Thematic_Mapper_imagery_in_Almeria_Province_south-east_Spain
• https://www.researchgate.net/publication/263542786_WEIGHTS_DERIVED_FROM_HYPERSPECTRAL_DATA_TO_FACILITATE_AN_OPTIMAL_FIELD_SAMPLING_SCHEME_FOR_POTENTIAL_MINERALS

آخر

• https://www.researchgate.net/publication/341611032_ASTER_spectral_band_ratios_for_lithological_mapping_A_case_study_for_measuring_geological_offset_along_the_Erkenek_Segment_of_the_East_Anatolian_Fault_Zone_Turkey

• https://www.researchgate.net/publication/229383008_Hydrothermal_Alteration_Mapping_at_Bodie_California_using_AVIRIS_Hyperspectral_Data

• https://www.researchgate.net/publication/332737573_Identification_of_alteration_zones_using_a_Landsat_8_image_of_densely_vegetated_areas_of_the_Wayang_Windu_Geothermal_field_West_Java_Indonesia

• https://www.researchgate.net/publication/325137721_Interpretation_of_surface_geochemical_data_and_integration_with_geological_maps_and_Landsat-TM_images_for_mineral_exploration_from_a_portion_of_the_precambrian_of_Uruguay

• https://www.researchgate.net/publication/336684298_Landsat-8_Advanced_Spaceborne_Thermal_Emission_and_Reflection_Radiometer_and_WorldView-3_Multispectral_Satellite_Imagery_for_Prospecting_Copper-Gold_Mineralization_in_the_Northeastern_Inglefield_Mobil

• https://www.researchgate.net/publication/304036250_Mineral_Exploration_for_Epithermal_Gold_in_Northern_Patagonia_Argentina_From_Regional-_to_Deposit-Scale_Prospecting_Using_Landsat_TM_and_Terra_ASTER

• https://www.researchgate.net/publication/340652300_New_logical_operator_algorithms_for_mapping_of_hydrothermally_altered_rocks_using_ASTER_data_A_case_study_from_central_Turkey

• https://www.researchgate.net/publication/324938267_Regional_geology_mapping_using_satellite-based_remote_sensing_approach_in_Northern_Victoria_Land_Antarctica

• https://www.researchgate.net/publication/379960654_From_sensor_fusion_to_knowledge_distillation_in_collaborative_LIBS_and_hyperspectral_imaging_for_mineral_identification

البرمجة اللغوية العصبية

• https://ieeexplore.ieee.org/abstract/document/10544642 -> Assessing named entity recognition efficacy using diverse geoscience datasets [UNSEEN]
• https://link.springer.com/article/10.1007/s12371-024-01011-2 -> Can AI Get a Degree in Geoscience? Performance Analysis of a GPT-Based Artificial Intelligence System Trained for Earth Science (GeologyOracle)
• https://www.researchgate.net/publication/376671309_Enhancing_knowledge_discovery_from_unstructured_data_using_a_deep_learning_approach_to_support_subsurface_modeling_predictions
• https://www.mdpi.com/2220-9964/13/7/260 -> Extracting Geoscientific Dataset Names from the Literature Based on the Hierarchical Temporal Memory Model
• https://www.sciencedirect.com/science/article/pii/S0169136824002154 -> Three-dimensional mineral prospectivity mapping based on natural language processing and random forests: A case study of the Xiyu diamond deposit, China

LLM

• https://arxiv.org/pdf/2401.16822 - EarthGPT: A Universal Multi-modal Large Language Model for Multi-sensor Image Comprehension in Remote Sensing Domain
• https://link.springer.com/article/10.1007/s12371-024-01011-2 -> Can AI Get a Degree in Geoscience? Performance Analysis of a GPT-Based Artificial Intelligence System Trained for Earth Science (GeologyOracle)
  • Geology Oracle web prototype - https://geologyoracle.com/ask-the-geologyoracle/

General-Interest

• https://arxiv.org/abs/2404.05746v1 -> Causality for Earth Science -- A Review on Time-series and Spatiotemporal Causality Methods
• https://www.researchgate.net/publication/384137154_Guidelines_for_Sensitivity_Analyses_in_Process_Simulations_for_Solid_Earth_Geosciences
• https://www.mdpi.com/1660-4601/18/18/9752 -> Learning and Expertise in Mineral Exploration Decision-Making: An Ecological Dynamics Perspective
• https://www.sciencedirect.com/science/article/pii/S2214629624001476 -> Mapping critical minerals projects and their intersection with Indigenous peoples' land rights in Australia
• https://www.sciencedirect.com/science/article/pii/S0169136824003470 -> Overcoming survival bias in targeting mineral deposits of the future: Towards null and negative tests of the exploration search space, accounting for lack of visibility
• https://www.sciencedirect.com/science/article/pii/S088329272400115X - > Ranking Mineral Exploration Targets in Support of Commercial Decision Making: A Key Component for Inclusion in an Exploration Information System

التعلم العميق

• https://arxiv.org/abs/2408.11804 -> Approaching Deep Learning through the Spectral Dynamics of Weights
• https://arxiv.org/pdf/2310.19909.pdf -> Battle of the Backbones: A Large-Scale Comparison of Pretrained Models across Computer Vision Tasks
• https://pure.mpg.de/rest/items/item_3029184_8/component/file_3282959/content -> Deep learning and process understanding for data-driven Earth system science
• https://www.tandfonline.com/doi/pdf/10.1080/17538947.2024.2391952 -> Deep learning for spatiotemporal forecasting in Earth system science: a review
• https://wires.onlinelibrary.wiley.com/doi/pdfdirect/10.1002/widm.1554 -> From 3D point-cloud data to explainable geometric deep learning: State-of-the-art and future challenges
• https://arxiv.org/pdf/2410.16602 -> Foundation Models for Remote Sensing and Earth Observation: A Survey
• https://www.nature.com/articles/s41467-021-24025-8 -> Predicting trends in the quality of state-of-the-art neural networks without access to training or testing data
• https://arxiv.org/abs/2404.07738 ResearchAgent: Iterative Research Idea Generation over Scientific Literature with Large Language Models
• https://ieeexplore.ieee.org/abstract/document/10605826 -> Swin-CDSA: The Semantic Segmentation of Remote Sensing Images Based on Cascaded Depthwise Convolution and Spatial Attention Mechanism
• https://www.sciencedirect.com/science/article/abs/pii/S0098300424000839#sec6 -> Leveraging automated deep learning (AutoDL) in geosciences