Immobilization of Arsenic from Mining Tailings Using Various Metal Oxides
Notice bibliographique
Résumé
Elevated levels of arsenic that leach from mine tailings, sediment and soil can lead to the contamination of surface and groundwater. In this study, various types of metal oxides as immobilizing agents were evaluated. Their effectiveness was determined via leaching tests and selective sequential extraction (SSE) using mine tailings and metal oxides at different weight ratios, reaction times, and types of oxides. Commercial grade metal oxides (MgO, ZnO, Fe3O4, TiO2, CaO and Al2O3) in the form of regular and nanoscale powders were evaluated. Both forms of ZnO (zinc oxide) had a higher capacity to immobilize the arsenic present in the mine tailings than any other oxides tested. Magnetite (Fe3O4) had limited effectiveness whereas all other metal oxides tested had little or no effect. The addition of 7.5% by weight of nanoscale ZnO led to a 99.4% to 99.7% reduction in the amount of arsenic leached from Noranda and Golden Giant mine tailings after 24 h in an acidified water solution at a pH of 3. SSE tests confirmed that ZnO is a very effective immobilizing agent in all five fractions. These results indicate the possibility of developing a remediation process for mining areas as well as other contaminated soils using ZnO.
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 | 0,000 | 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) | 0,000 | 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 ».