Optimizing the management of quarry fines for on-site carbon removal: Implications of grain size and mineralogy on CO2 mineralization
Notice bibliographique
Résumé
• Basaltic fines from UK quarries are suitable feedstocks for carbon dioxide removal. • Particle size and surface area have the greatest impact on carbonation of basaltic fines. • Bulk fines can sequester between 360 and 460 t CO 2 /yr if spread over 0.6–0.8 km 2 . • Sieved fines (<100 μm) can sequester between 1100 and 1480 t CO 2 /yr if spread over 0.8–1.1 km 2 . • Crushing rock to <100 μm costs more than carbon could be sold for at current UK prices. Weathering of basaltic quarry fines can enable quarries to remove CO 2 by optimizing the management of underutilized rock fines. In this study, basaltic fines from two quarries in Scotland are used as potential feedstocks for ERW. Using column experiments, fines from both sites were placed into columns as layers with varying thicknesses (1 cm and 5 cm) and grain sizes (bulk and <100 μm). Fines were saturated (≈60 % pore water) and exposed to ambient UK conditions (10 °C, 0.04 % CO 2 ) and accelerated carbonation conditions (50 °C, 20 % CO 2 ). Quarry site 1 experienced negligible increases in TIC within bulk fines under ambient conditions, yet fines <100 μm experienced carbonation equivalent to 440 g CO 2 /m 2 /yr. However, the total inorganic carbon content (TIC) nearly doubled in the bulk fines from quarry site 2 (5 cm) under ambient conditions, equivalent to 570 g CO 2 /m 2 /yr. In the sieved fines from the same site the TIC content nearly tripled, equivalent to 1330 g CO 2 /m 2 /yr. At site 2, if the bulk fines could be deposited over 0.8 km 2 of land in 5 cm thicknesses, approximately 460 t CO 2 /yr could be sequestered with minimal management practices in place. Using fresh fines that have not previously weathered in stockpiles is important for maximizing the carbon dioxide removal potential. Despite higher carbon offsets within the sieved material, the energy and cost required to crush rock from bulk to <100 μm is not economically feasible, as it exceeds the value of carbon which it could be sold for.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».