MétaCan
Menu
Retour à la cohorte
Enregistrement W4388796175 · doi:10.3390/su152216086

Water Impacts and Effluent Quality Regulations of Canadian Mining

2023· article· en· W4388796175 sur OpenAlexaboutno aff
Zauresh Atakhanova

Notice bibliographique

RevueSustainability · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesNazarbayev University
Mots-clésTailingsEffluentWater qualityCoal miningEnvironmental scienceMineral resource classificationWater resourcesNatural resource economicsBusinessCoalEnvironmental engineeringWaste managementEngineering

Résumé

récupéré en direct d'OpenAlex

Energy transition relies on the scaling up of mineral production and may lead to increased pressure on water resources due to the intensity of water use in mining. The status of Canada as a major mineral producer and a country with effective environmental regulations prompted our study of the water impacts of Canadian mining. In 2002, the Canadian government introduced effluent quality regulations that targeted metal mining companies. By analyzing regional and sectoral data, we find that such regulations were important for mitigating both the water quality and water quantity impacts of metal mining. Despite increasing output, metal mining reduced its contribution to total mining withdrawals and discharge from 85% in the pre-regulation period to 62–65% in the post-regulation period. In the absence of such regulations, non-metallic mineral mining and, in particular, coal mining, increased their pressure on water resources. Finally, we find that since 2002, over 90% of regulated operations have met effluent quality standards. However, we document increased flows of discharge to mine tailings, a development which requires further analysis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,452
Score d'incertitude au seuil0,991

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,251
Écart entre enseignants0,237 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetMining and Resource ManagementTravaux en français237 207