MétaCan
Menu
Retour à la cohorte
Enregistrement W2321804829 · doi:10.1061/40976(316)168

Real-Time Water Quality Monitoring as a Regulatory Tool for Mining Sites — The Newfoundland and Labrador Experience

2008· article· en· W2321804829 sur OpenAlexaffabout
Amir Ali Khan, Haseen Khan, Jennifer Bonnell, Joanne Sweeney

Notice bibliographique

RevueWorld Environmental and Water Resources Congress 2008 · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMine drainage and remediation techniques
Établissements canadiensDepartment of Environment and ConservationGovernment of Newfoundland and Labrador
Organismes subventionnairesnon disponible
Mots-clésQuality (philosophy)Copper mineWater qualityQuality assuranceProcess (computing)Environmental resource managementComputer scienceEngineeringEnvironmental scienceOperations management

Résumé

récupéré en direct d'OpenAlex

In order to assess the impact of natural resources development projects such as mines on water bodies, it is crucial to have an appropriate water quality-monitoring program in place. Real-time water quality (RTWQ) monitoring is suited to monitoring the impact of mining projects especially those situated in remote locations. To illustrate the successful use of RTWQ monitoring as a regulatory performance tool, case studies are presented of two real time water quality networks that were established as a part of the environmental permitting process for the Voisey's Bay Nickel Mine project site in Labrador and the Aur Resources Copper Zinc Mine site in Newfoundland. The case studies detail the need for the establishment of the networks, the installation of the networks, the details of the networks, the Quality Assurance program, the RTWQ public web page and the experience encountered since the networks were established. Also discussed is the use of the data collected by the RTWQ network by various stakeholders. The challenges of using RTWQ for mining sites are also discussed.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,111
Score d'incertitude au seuil0,784

Scores Codex et Gemma par catégorie

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

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 Opus0,013
Tête enseignante GPT0,233
Écart entre enseignants0,220 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWorld Environmental and Water Resources Congress 2008Même sujetMine drainage and remediation techniquesTravaux en français237 207