Mineralogical, geospatial, and statistical methods combined to estimate geochemical background of arsenic in soils for an area impacted by legacy mining pollution
Notice bibliographique
Résumé
The estimation of geochemical background is complex in areas impacted by point sources of atmospheric emissions due to unknowns about pollutant dispersion, persistence of pollutants on the landscape, and natural concentrations of elements associated with parent material. This study combined mineralogical analysis with conventional statistical and geospatial methods to separate anthropogenically impacted soils from unimpacted soils in the Yellowknife area, Northwest Territories, Canada, a region that was exposed to 60 years of arsenic (As)-rich atmospheric mining emissions (1938–1999) and that hosts natural enrichments of As. High concentrations of As (up to 4700 mg kg−1) were measured in publicly accessible soils near decommissioned roaster stacks in the region and strong relationships between As and distance from the main emission sources persisted in surface soils and soils at depth in the soil profile more than 60 years after the bulk of mining emissions were released. Mineralogical analysis provided unambiguous evidence regarding the source of As minerals and highlighted that most As in surface soils within 15 km of Yellowknife is hosted as anthropogenic arsenic trioxide (As2O3), produced by roaster stack emissions. Statistical protocols for the estimation of geochemical background were applied to an existing database of till geochemistry (N = 1490) after removing samples from mining impacted areas. Results suggested geochemical background for the region is 0.25–15 mg kg−1 As, comparable to global averages, with upper thresholds elevated in volcanic units (30 mg kg−1 As) that often host sulfide mineralization in greenstone belts in the region.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».