Tools to improve mine closure: 10 years of research in integration of environment in the mine life cycle
Notice bibliographique
Résumé
Abstract Mine closure can be approached by several points of view, from the technical, engineering, ecological, up to social and governance aspects. The definition of a good mine closure should cover most, if not all, of these aspects. This article provides a review of technical and engineering-oriented research work as a partial answer to the question ‘what is good mine closure’. The article presents a ten-year research program realized in the framework of a Canada Research Chair in integration of environment in the mine life cycle. Research projects aimed at better planning mine closure and mine site reclamation from the early stages of a mining project life cycle are exposed as possible steps to strive for optimal mine waste management. At the exploration stage, geo-environmental characterization and modeling are proposed as tools to improve mine waste management planification. During mine operations, environmental desulfurization is suggested as a method to reduce environmental risks associated with sulfidic tailings and waste rock. Indeed, research has shown that acid mine drainage and metal leaching can be significantly limited via desulfurization. At the closure stage, desulfurized tailings can be used to replace at least part of natural materials used for reclamation cover systems. Research work done on other types of mine waste, such as waste rock and water treatment sludge, also show good potential for their reuse as closure material. All these tools can be integrated into the mine life cycle to better plan for closure, which ultimately will make mine closure more sustainable.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».