Mineralogical Study of a Biologically-Based Treatment System That Removes Arsenic, Zinc and Copper from Landfill Leachate
Notice bibliographique
Résumé
Mineralogical characterization by X-ray diffraction (XRD) and a high throughput automated quantitative evaluation of minerals by scanning electron microscopy (QEMSCAN) was conducted on samples from a sulphate-reducing biochemical reactor (BCR) treating high concentrations of metals (As, Zn, Cu) in smelter waste landfill seepage. The samples were also subjected to energy dispersive X-ray (EDX) analysis of specific particles. The bulk analysis results revealed that the samples consisted mainly of silicate and carbonate minerals. More detailed phase analysis indicated four different classes: zinc-arsenic sulphosalts/sulphates, zinc-arsenic oxides, zinc phosphates and zinc-lead sulphosalts/sulphates. This suggests that sulphates and sulphides are the predominant types of Zn and As minerals formed in the BCR. Sphalerite (ZnS) was a common mineral observed in many of the samples. In addition, X-ray point analysis showed evidence of As and Zn coating around feldspar and amphibole particles. The presence of arsenic-zinc-iron, with or without cadmium particles, indicated arsenopyrite minerals. Copper-iron-sulphide particles suggested chalcopyrite (CuFeS2) and tennantite (Cu,Fe)12As4S13. Microbial communities found in each sample were correlated with metal content to describe taxonomic groups associated with high-metal samples. The research results highlight mineral grains that were present or formed at the site that might be the predominant forms of immobilized arsenic, zinc and copper.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».