Innovative approach to green mining: Integration of drone technology, GIS, and ERT for basalt extraction and CO2 storage in Bagrote Valley, Gilgit-Baltistan, Pakistan
Notice bibliographique
Résumé
This study investigated the dual potential of basalt deposits for dimensional stone quarrying and CO 2 sequestration. The integrated approach combined unmanned aerial vehicle (UAV) surveys for surface modeling; electrical resistivity imaging (ERI), particularly vertical electrical sounding (VES) surveys for subsurface modeling; and a geographic information system (GIS) for area, volume, tonnage, and phase design. UAVs, in conjunction with GIS, provide high-resolution 3D models including digital terrain models (DTMs), digital elevation models (DEMs), and contour maps. These models were used to design a primary quarry while optimizing dimensional stone extraction and minimizing waste. The total area of the deposit is 1.46 km 2 , the volume is 88.08 × 10 6 m 3 , and the total extractable material is 255.45 × 10 6 t across eight phases. The ERI/VES survey identified three distinct lithological layers: fresh, fractured, and weathered basalts. The fresh basalt zone guides the extraction strategies for dimensional stones, whereas the fractured zone represents the optimal target for CO 2 injection and storage. The low-resistivity weathered zone functions as an impermeable cap rock and prevents the upward migration of injected CO 2 . A geochemical analysis revealed a composition comparable to those of world-renowned CO 2 sequestration sites, with 24.6%–28.2% of the mass composed of Ca 2 + , Mg 2 + , and Fe 2 + cations. The estimated CO 2 storage capacity is 0.211 × 10 6 t, with each kilogram capable of storing 0.8 g of CO 2 . This pioneering study demonstrates the feasibility of integrating carbon capture initiatives with conventional mining operations. It presents a model for sustainable resource utilization, particularly in mountainous regions with fragile ecosystems.
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 | 0,001 |
| 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 ».