MétaCan
Menu
Retour à la cohorte
Enregistrement W2319449889 · doi:10.5670/oceanog.2012.54

Gold Mining and Submarine Tailings Disposal: Review and Case Study

2012· article· en· W2319449889 sur OpenAlexfundno aff
Evan Edinger

Notice bibliographique

RevueOceanography · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueTailings Management and Properties
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversitas Sam Ratulangi
Mots-clésTailingsSubmarineMining engineeringGeologyEnvironmental scienceOceanographyMetallurgy

Résumé

récupéré en direct d'OpenAlex

Environmental impacts associated with submarine tailings disposal (STD) of gold mine wastes vary widely among the relatively few cases studied. The principal contaminants of concern surrounding most gold mines are arsenic, mercury, and cyanide, although antimony, thallium, lead, zinc, and copper may also be important in particular mines. The mineralogy and ore processing techniques associated with different kinds of gold deposits may strongly influence the outcome of STD. Native gold and its associated minerals are generally less toxic than sulfide-mineral gold, in which the gold is incorporated into sulfide minerals in conjunction with other trace elements. Sulfide gold tailings placed in seawater may be particularly dangerous where ore processing includes oxidation by roasting or aggressive chemical leaching, which transforms the sulfide minerals into relatively unstable oxides and oxy-hydroxides.The case study of the Newmont Minahasa Raya gold mine in Indonesia highlights some of the dangers of gold mine STD. Local villagers observed fish kills shortly after the beginning of STD operations, and they also noted fine red sediment resembling the tailings smothering corals on reefs adjacent to the tailings disposal site. Tailings from this mine dispersed from the intended STD depth of 82 m up to nearby coral reefs, and dispersal extended up to 3.5 km from the end of pipe. Unstable arsenic phases in the tailings accounted for at least 32% of total arsenic in the mine tailings, and less than 10% of total arsenic in fluvially derived marine sediments. Mercury in the submarine tailings was methylated in approximately the same proportions as mercury from artisanal gold mines using mercury amalgamation and in uncontaminated nearshore marine sediments near a watershed with similar bedrock geology. Methyl mercury derived from tailings was incorporated into the local food chain, probably via benthic invertebrates.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,009
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,014
Tête enseignante GPT0,220
Écart entre enseignants0,206 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations30
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOceanographyMême sujetTailings Management and PropertiesTravaux en français237 207