In-situ groundwater treatment using ARUM: IRAP/NRC final report 2000
Notice bibliographique
Résumé
In 1995, after 10 years of monitoring the ground water flow from a small Cu/Zn base metal \ntailings depositinNorthernOntario,the ground water flow paths were re-evaluated to confirm \npreviously predicted flowdirections. A highly contaminated ground water seepage had taken \nin 1996 a different route and was emerging to the surface contaminating a small lake (Mud \nLake). However the seepage path was well defined hydro-geologically and hence it may be \nsuitable for in-situ-treatment. Geo-microbiological in-situ treatment approaches were \nconsidered jointly with Dr. Ferris ( University of Toronto). It was proposed, that through \nmicrobial urea degradation ground water pH could be increased, resulting in metal \nprecipitation in-situ improving the seepage discharge quality. \nA research program was initiated in 1997/98 based on the concept ofin situ-increasing the \npH through microbial activity which should result in metal precipitation (Schematic 1). This \napproach needed to be substantiated with microbiological testing and geochemical \nmodelling. This was carried out by Dr. G. D. Ferris at the University of Toronto. Boojum \nResearch Ltd. developed a ground water model for the site to define the quantity of \ngroundwater to be treated and field tested urea degradation.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 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 ».