Investigating the spatial heterogeneity impact on the geochemical and mineralogical controlling factors framing acid generation at a closed tailings facility
Notice bibliographique
Résumé
Mineral industry is increasingly generating massive amounts of tailings, usually deposited in tailings storage facilities (TSF). To highlight the spatial variability effect on the geoenvironmental outcomes, five samples were collected from a closed TSF from different locations. The characterization findings were used to investigate the heterogeneous physical, geochemical, and mineralogical properties depending on the sample location. For instance, the pyrite content spans the interval between 0.02 and 8 wt%. Likewise, the carbonate content varies from 0.05 wt% to 43 wt%. Static tests performed to assess the potential of acid generation yielded various findings regarding the acid generation potential. Therefore, each static test should be interpreted without overlooking its limitations and the mineralogical implications under the test operating conditions. Hence, a thorough mineralogical characterization was undertaken for the selected samples to highlight their inherent mineralogical differences. Additionally, kinetic testing using weathering cell tests, highlighted that the samples C1 and C2 are acid generating, whereas C3, C4 and C5 maintain circumneutral to alkaline pH throughout the testing period. Iron release was negligible for the samples C2, C3, C4 and C5 due to its precipitation as secondary iron-oxyhydroxides that coated pyrite in circumneutral conditions. A kinetic model was established using PHREEQC to perform a parametric analysis regarding the neutralization lag time of silicates as well as the effect of calcite depletion on iron and sulfate release. The main outcome of the model underline that at least 20 wt% albite should be included in a calcite-based amendment to prevent iron release upon calcite depletion or passivation.
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 | 0,001 | 0,001 |
| 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 ».