Methodology to Prioritize Chilean Tailings Selection, According to Their Potential Risks
Notice bibliographique
Résumé
For centuries, Chile has been a territory with significant mining activity, resulting in associated social benefits and impacts. One of the main challenges the country faces today is the presence of a great number of mine tailings containing heavy metals, such as Cu, Cr, Ni, Zn, Pb, As, Cd, and Fe, which make up a potential risk for the population. This study is intended to develop a methodology for determining tailings requiring urgent treatment in Chile, based on risks associated with heavy metals. Geochemical data from 530 Chilean tailings were compared to the Dutch norm and the Canadian and Australian soil quality guidelines for residential use. Additionally, criteria about residents and water bodies were used, considering a 2-km area of influence around tailings. To do this, QGIS (Böschacherstrasse 10a CH-8624 Grüt (Gossau ZH),Zurich, Switzerland), a geospatial tool, was used to geolocate each deposit, considering regions, communes, rivers, lakes, and populated areas. To evaluate potential ecological contamination risks, Hakanson's methodology was used. Results revealed the presence of 12 critical tailings in Chile that require urgent treatment. From the 530 tailings evaluated, 195 are located at less than 2 km from a populated area and 154 at less than 2 km from a water body. In addition, 347 deposits require intervention: 30 on Cu, 30 on Cr, 13 on Zn, 69 on Pb, 138 on As, 1 on Cd, and 5 on Hg.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,001 |
| 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».