MétaCan
Menu
Retour à la cohorte
Enregistrement W2164942693 · doi:10.1144/geochem2012-186

Biogeochemical controls on metal mobility: modeling a Cu-Zn VMS deposit in column flow-through studies

2013· article· en· W2164942693 sur OpenAlexaffabout
Karla Leslie, Christopher J. Oates, Kurt Kyser, David A. Fowle

Notice bibliographique

RevueGeochemistry Exploration Environment Analysis · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMine drainage and remediation techniques
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésBiogeochemical cycleColumn (typography)Flow (mathematics)MetalGeologyGeochemistryEnvironmental scienceChemistryEnvironmental chemistryComputer scienceMaterials scienceMetallurgyPhysicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

An economic Cu-Zn volcanogenic massive sulphide (VMS) deposit was modeled in flow-through columns to examine the microbial controls on ore weathering and soil anomaly development. The presence of microorganisms, especially S- and Fe-oxidizing bacteria, increased the rate of weathering and metal release from ore. To examine the development of soil metal anomalies overlying the VMS deposit, flow-through experiments modeling the full overburden profile were completed. Selective extractions on the soil demonstrated that enhanced metal anomalies in the biotic column were developing in the reactive Fe- and Mn- oxide phases. These experimental results are linked to in situ biogeochemical processes through the use of Fe-oxidizing bacteria isolated from the deep subsurface of Triple 7 Cu-Zn VMS mine in Flin Flon, Manitoba, Canada, in direct proximity to where the ore material was collected. These results demonstrate that the rates of metal mobility in the subsurface and soil metal anomaly development at the surface are increased by the presence and activity of microorganisms when compared to control experiments.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,256
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,246
Écart entre enseignants0,224 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeochemistry Exploration Environment AnalysisMême sujetMine drainage and remediation techniquesTravaux en français237 207