Aquatic Mercury Pollution from Artisanal and Small-Scale Gold Mining in Sub-Saharan Africa: Status, Impacts, and Interventions
Notice bibliographique
Résumé
Mercury (Hg) pollution remains an environmental global concern due to its non-degradable and toxic nature. Natural and anthropogenic sources of Hg adversely affect the functioning of aquatic ecosystems and biological processes. In sub-Saharan Africa (SSA), unregulated artisanal and small-scale gold mining (ASGM) contributes up to 20% of global gold production and uses 205–496 tonnes/yr of Hg. Despite being a vital economic driver for 20–30 million people, ASGM threatens the health of aquatic systems from Hg pollution, presenting a complex challenge that demands urgent interventions. This review seeks to (1) establish the current status of aquatic Hg pollution, (2) explore the environmental impacts of aquatic Hg, and (3) highlight the proposed interventions for aquatic Hg pollution in SSA. We examined publications and institutional reports between 2000 and 2023 addressing aquatic Hg pollution, impacts, and interventions in the ASGM of SSA. Results indicate a rise in aquatic Hg pollution due to the expansion and intensification of ASGM. West Africa remained the highest contributor (50.2%), followed by Central Africa (39.6%), Southern Africa (9.6%), and Eastern Africa (<1%). Contamination of freshwater ecosystems, toxicity to aquatic biota, and environmental health risks to humans were evident. Alternative Hg-free ASGM technologies, including physical, metallurgical, and pyrometallurgical, were investigated from case studies and recommended for adoption.
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 ».