MétaCan
Menu
Retour à la cohorte
Enregistrement W2619928040 · doi:10.11159/icepr17.143

Solubility and Lability of Copper in a Copper-Mine Tailings Treated with Two Organic Amendments

2017· article· en· W2619928040 sur OpenAlexaffvenue
Anaïs Charles, Antoine Karam, Léon‐Étienne Parent

Notice bibliographique

RevueProceedings of the World Congress on New Technologies · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMine drainage and remediation techniques
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésLabilityTailingsCopperSolubilityCopper mineEnvironmental chemistryEnvironmental scienceChemistryMetallurgyMaterials scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Copper-mine tailings contain considerable amounts of copper (Cu) that may be extracted biologically or by organic ligands and may then become available to plants.A laboratory incubation experiment was conducted to assess the effect of a commercial garden growth substratum (GGS) containing natural mycorrhizae (Glomus intraradices) and peat moss in combination with lemon peel waste (LPW) on the evolution of labile Cu pool with time in a slightly alkaline Cu-mine tailing containing calcite.There were eight treatments combining four rates (0, 12.4, 50 and 100 g GGS kg -1 tailings) and two rates (0 and 100 g LPW kg -1 tailings).The amendments were thoroughly mixed with air-dry tailings in plastic bags.Distilled water was added to maintain the substrate at field capacity throughout the 8-week incubation period.The amounts of labile Cu in tailings increased with incubation time.Extractable Cu fractions as labile Cu (DTPA, Mehlich-3) were significantly increased after adding GSS and LPW.The smallest amount of labile Cu was found in the unamended tailings and the highest amount in the GGS-amended tailings.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0000,000
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 Opus0,012
Tête enseignante GPT0,252
Écart entre enseignants0,240 · 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'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
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on New TechnologiesMême sujetMine drainage and remediation techniquesTravaux en français237 207