MétaCan
Menu
Retour à la cohorte
Enregistrement W2978370948 · doi:10.1680/jenes.19.00021

Mining for Recovery as an Option for Dumpsite Rehabilitation: A Case Study from Nagpur, India

2019· article· en· W2978370948 sur OpenAlexvenueno aff
Ashootosh Mandpe, P. Lakshmikanthan, Sunil Kumar, Hiroshan Hettiarachchi

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMunicipal Solid Waste Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMunicipal solid wasteWaste managementEnvironmental scienceRaw materialEngineering

Résumé

récupéré en direct d'OpenAlex

Conventionally, the concept of mining has been understood from the perspective of recovering metals from mineral ores and other valuable products from the earth. The mining concept is now being applied to old dumpsites and landfills for recovering materials out of municipal solid waste (MSW). Materials recovered from MSW can be turned into useful raw material for other purposes and allied industries. Plastics recovered from the dumpsites can be utilised as fuel in thermal power plants, cement and brick industries. Reclaimed earth could be utilised as fill or as a raw material in the construction industry. However, a detailed study is needed before mining an MSW dumpsite or a landfill, particularly to decide if the project would be economically sustainable. This paper describes a study conducted on a dumpsite situated in Nagpur, India, wherein the motivation was to rehabilitate the site after the removal of different constituents of MSW. Two scenarios were considered as the potential removal strategies: (a) mining for recovery and (b) transferring MSW from the dump to a new sanitary landfill. The study revealed that MSW mining for recovery is more economical and sustainable compared with putting MSW in a new sanitary landfill.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,085

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
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 Opus0,007
Tête enseignante GPT0,227
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 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'étudeObservationnel
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

Citations12
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetMunicipal Solid Waste ManagementTravaux en français237 207