MétaCan
Menu
Retour à la cohorte
Enregistrement W3216390777 · doi:10.3390/min11121349

The Role of Microorganisms in the Formation, Dissolution, and Transformation of Secondary Minerals in Mine Rock and Drainage: A Review

2021· review· en· W3216390777 sur OpenAlexafffund
Jose Eric Ortiz-Castillo

Notice bibliographique

RevueMDPI (MDPI AG) · 2021
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueMine drainage and remediation techniques
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Research Council Canada
Mots-clésAcid mine drainageDissolutionSulfide mineralsMetalloidEnvironmental chemistryArsenicCarbonate mineralsDrainageCarbonateSulfideSilicateSilicate mineralsGeochemistryGeologyMining engineeringChemistryEnvironmental sciencePyriteMetalEcology

Résumé

récupéré en direct d'OpenAlex

Mine waste rock and drainage pose lasting environmental, social, and economic threats to the mining industry, regulatory agencies, and society as a whole. Mine drainage can be alkaline, neutral, moderately, or extremely acidic and contains significant levels of sulfate, dissolved iron, and, frequently, a variety of heavy metals and metalloids, such as cadmium, lead, arsenic, and selenium. In acid neutralization by carbonate and silicate minerals, a range of secondary minerals can form and possibly scavenge these potentially harmful elements. Apart from the extensively studied microbial-facilitated sulfide oxidation, the diverse microbial communities present in mine rock and drainage may also participate in the formation, dissolution, and transformation of secondary minerals, influencing the mobilization of these metals and metalloids. This article reviews major microbial-mediated geochemical processes occurring in mine rock piles that affect drainage chemistry, with a focus on the role of microorganisms in the formation, dissolution, and transformation of secondary minerals. Understanding this is crucial for developing biologically-based measures to deal with contaminant release at the source, i.e., source control.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,009
Tête enseignante GPT0,256
Écart entre enseignants0,247 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations42
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMDPI (MDPI AG)Même sujetMine drainage and remediation techniquesTravaux en français237 207