Catastrophic mass flows resulting from tailings impoundment failures
Notice bibliographique
Résumé
Tailings dam failures have received significant attention in recent years due to the catastrophic downstream consequences, as evidenced by the 2019 Feijão disaster in Brazil and numerous precedents. This paper presents a timely review of tailings flows with the support of a comprehensive global database of 63 cases that have been remotely analyzed through a compilation of satellite imagery, digital elevation models and literature. The synthesis provides insight into the influence of impoundment conditions, preconditioning and trigger variables, failure mechanisms and the downstream environment on tailings flow behaviour. The database also sheds light on the limitations of data quality and availability in the public domain. Magnitude-frequency statistics indicate that tailings dam breaches that have produced catastrophic mass flows with total outflow volumes of ≥1 M m3 have occurred at a mean recurrence interval of 2–3 years over the period 1965–2020. Weather hazards and impoundment drainage issues are identified as major causative variables. The occurrence of liquefaction and/or the incorporation of free water are sufficient conditions to trigger extremely rapid, highly mobile behaviour. Travel path confinement and steeper bed slopes enhance flow velocities (peak of 25–30 m/s) and kinetic energy, whereas flow mobility appears to be exacerbated along major rivers. Although general trends may be observed in empirical observations, such efforts are prone to substantial uncertainty due to the complexity and variability of site conditions (that are typically unaccounted for in broad statistical approaches) as well as poor data availability and/or quality for many of the selected cases. This highlights the importance of performing site-specific investigations through numerical models, laboratory tests and field observations to better predict post-breach behaviour (ideally within a probabilistic framework) when undertaking site assessments.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».