A new hazard assessment workflow to assess soil contamination from large and artisanal scale gold mining
Notice bibliographique
Résumé
Abstract Gold mining activities are undertaken both at large and artisanal scale, often resulting in serious ‘collateral’ environmental issues, including environmental pollution and hazard to human and ecosystem health. Furthermore, some of these activities are poorly regulated, which can produce long-lasting damage to the environment and local livelihoods. The aim of this study was to identify a new workflow model to discriminate anthropogenic versus geogenic enrichment in soils of gold mining regions. The Kedougou region (Senegal, West Africa) was used as a case study. Ninety-four soil samples (76 topsoils and 18 bottom soils) were collected over an area of 6,742 km 2 and analysed for 53 chemical elements. Robust spatial mapping, compositional and geostatistical models were employed to evaluate sources and elemental footprint associated with geology and mining activities. Multivariate approaches highlighted anomalies in arsenic (As) and mercury (Hg) distribution in several areas. However, further interpretation with enrichment factor (EFs) and index of geoaccumulation (IGeo) emphasised high contamination levels in areas approximately coinciding with the ones where artisanal and small scale mining (ASGM) activities occur, and robust compositional contamination index (RCCI) isolated potentially harmful elements (PHE) contamination levels in very specific areas of the Kedougou mining region. The study underlined the importance of complementary approaches to identify anomalies and, more significantly, contamination by hazardous material. In particular, the analyses helped to identify discrete areas that would require to be surveyed in more detail to allow a comprehensive and thorough risk assessment, to investigate potential impacts to both human and ecosystem health.
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 | 0,000 | 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 | 0,000 |
| 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 ».