Tailings-flow runout analysis: examining the applicability of a semi-physical area–volume relationship using a novel database
Notice bibliographique
Résumé
Abstract. Tailings flows result from the breach of tailings dams. Large-scale tailings flows can travel over substantial distances with high velocities and cause significant loss of life, environmental damage, and economic costs. Runout modelling and inundation mapping are critical components of risk assessment for tailings dams. In an attempt to develop consistency in reporting tailings data, we established a new tailings-flow runout classification system. Our data analysis applies to the zone corresponding to the extent of the main solid tailings deposit, which is characterized by visible or field-confirmed sedimentation, above typical surface water levels if extending into downstream water bodies. We introduced a new database of 33 tailings dam breaches by independently estimating the planimetric inundation area for each event using remote sensing data. This paper examines the applicability of a semi-physical area–volume relationship using the new database. Our results indicate that the equation A= cV2∕3, which has been used previously to characterize the mobility of other types of mass movements, is a statistically justifiable choice for the relationship between total released volume and planimetric inundation area. Our analysis suggests that, for a given volume, tailings flows are, on average, less mobile than lahars but more mobile than non-volcanic debris flows, rock avalanches, and waste dump failures.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».