Fugitive mine dust: evaluation of innovative monitoring and characterization techniques
Notice bibliographique
Résumé
<ns2:p xml:lang="fr">Le présent document résume les progrès réalisés, les résultats obtenus à ce jour et les travaux futurs de Ressources naturelles Canada dans le cadre du Projet de recherche sur la poussière fugitive. Le programme de recherche a été lancé en 2017 avec des projets qui se déroulent partout au Canada, y compris en Nouvelle-Écosse, au Québec, dans les Territoires du Nord-Ouest et, plus récemment, au Nunavut. Le programme de recherche vise à innover des approches pour combler les lacunes dans les connaissances associées à la surveillance de la poussière en améliorant les techniques de dépoussiérage et d’analyse disponibles. Pour atteindre cet objectif, le programme comporte cinq domaines d’intérêt, notamment : 1) l’évaluation des techniques nouvelles et actuelles de surveillance de la poussière, tant sur le terrain qu’à distance à l’aide de l’observation de la Terre ; 2) amélioration de la caractérisation géochimique et minéralogique des poussières ; 3) l’étude du devenir de la poussière dans l’environnement dans les milieux tels que les eaux de surface, les sols et la tourbe ; 4) éclairer le processus d’évaluation d’impact et la surveillance du site minier ; et 5) l’établissement de liens entre la science occidentale et le savoir autochtone afin de travailler à une compréhension plus complète de la poussière fugitive des mines. Pour élargir la boîte à outils de surveillance des chutes de poussière, des techniques novatrices de surveillance de la poussière ont été évaluées sur les sites miniers abandonnés et en exploitation, y compris le déploiement de collecteurs de dépôts secs passifs (Pas-DDs). Grâce à la caractérisation géochimique et minéralogique de la poussière capturée par les Pas-DDs, les contrôles minéralogiques sur l’inventaire des métaux (loid) de la poussière peuvent être évalués, fournissant un aperçu de la mobilité environnementale des contaminants et probablement des métaux (loid) / source de poussière. Grâce à de nouvelles techniques de capture et de caractérisation de la poussière au sol, combinées à des observations de la Terre, ce projet vise à fournir à l’industrie des options pour renforcer les programmes actuels de surveillance des chutes de poussière.</ns2:p>
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».