Dispersed alkaline substrate passive treatment technology for highly contaminated acid mine drainage: 20 years of successful application
Notice bibliographique
Résumé
• Two decades of DAS tech deliver high acidity and metal removal (>95%) • Integration of NFOL pre‑oxidation boosts Fe removal and system longevity • MgO‑DAS and BaCO₃‑DAS target divalent metals and sulfate, respectively • Alternative reagents (wood ash, by‑products) reduce costs and carbon footprint • Valorization of sludges enables circular economy recovery of critical metals Over the past two decades, Dispersed Alkaline Substrate technology (DAS) has emerged as a highly effective passive approach to treating acid mine drainage with extreme acidity and metal loading. By mixing alkaline materials - such as limestone, magnesia, barium carbonate or industrial by-products - into an inert wood-chip matrix, DAS systems maintain high porosity and neutralization capacity without rapidly clogging. This treatment technology has evolved from laboratory trials to pilot and full-scale field testing, using multi-step systems integrated with Natural Fe-Oxidizing Lagoons (NFOL) for pre-oxidation, which have demonstrated their long-term effectiveness for acidity and metal removal. The sustainability and applicability of the process has been improved by the search for new reagents (e.g. MgO for divalent metals removal, BaCO₃ for sulfate removal, wood ash or calcite-rich waste for cost reduction). Field trials in diverse regions - from the Iberian pyrite belt to South Africa, Canada, South America, Asia, Europe and Oceania - report net acid removal often exceeding 95% and near complete retention of metal(loid)s such as Al, Cu, Zn, Pb and As. Mineralogical analyses indicate that contaminants precipitate primarily as hydroxides, oxyhydroxides, and sulfates (e.g., schwertmannite, basaluminite, barite), allowing targeted valorization of metal-rich sludges. Remaining challenges include assessing long-term reagent life under variable hydrological conditions, extending full-scale use to phosphogypsum and other industrial leachates, and developing strategies for residue stabilization and resource recovery. The aim of this review is to synthesise these developments, assess current performance and identify future research needs for the advancement of passive DAS treatment technology.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».