Effectiveness of deep sea tailings as a waste management process in mines in Papua New Guinea
Notice bibliographique
Résumé
The Mining industry is very important for the economy of a country as it provides revenue needed by the country. The manner of operation of the mines creates other economic benefits such as employment, education, health and infrastructure vital for the people. However with these benefits come environmental concerns regarding waste disposal. Mining in developing nations is controversial due to the impacts of the mines on cultural, physical and socio-economic aspects of the local communities (McKinnon 2002). Lihir and Ramu mines in Papua New Guinea are using DSTP to dispose of the waste from the mine. The former Misima mine also used this disposal method. The mining companies are responsible for the waste management and monitoring as the PNG government does not have a policy for DSTP (Koma 2001). This is because there is no specific law in PNG that deals with management and monitoring of mine tailings (Mine Watch Canada 2009). This makes it difficult for any independent body and then for the government to get a second opinion on the impact of mining. There is an increasing pressure on the mining companies to clean up the toxic mess they have produced (McKinnon 2002). Misima and Lihir mines are examples of mining operations that have environmental impacts, both socio-economic and physical. This paper will discuss the problems of deep sea tailings placement at these mines (Lihir and Misima). Ramu mine is in its early stage and therefore will not be discussed. It will also look at the general background and locations of other mines in the Asia Pacific Region that use the DSTP method of waste disposal and the policy instruments in place in these countries, with the addition of one First World mine, a Canadian one, to compare how the issue of DSTP is treated in a developed nation. Then it will review the policy instruments used in the PNG mines, its weaknesses, and the possibility of using other policy instruments to improve the environmental performance of the mines.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».