Détermination de la mobilité du thorium et de l’uranium dans des rejets de mines
Bibliographic record
Abstract
Les activités d’extraction des métaux peuvent être une source importante de contamination dans l’environnement. Les déchets miniers contiennent souvent de fortes concentrations de métaux et ont des conditions physiochimiques qui favorisent la mobilité et/ou la biodisponibilité des métaux traces toxiques. Dans cette étude, nous avons évalué la mobilité du thorium, de l'uranium, du baryum, du manganèse et du chrome à partir des rejets miniers d’une mine de niobium. L’effet de différentes conditions environnementales (pH, dureté de l’eau et présence de la matière organique naturelle) a été évalué. Le thorium n’est pas fortement mobilisé (CTh < 30 μg kg-1) en fonction du pH ou de la dureté de l’eau mais est fortement mobilisé par la présence de matière organique naturelle (i.e. acide fulvique ; CTh > 30 μg kg-1). Par contre, l’uranium est mobilisé en milieu acide (pH<4), par la dureté de l’eau (i.e. Ca) et par la présence d’acide fulvique. Le baryum et le manganèse est mobilisé en fonction du pH ou de la dureté de l’eau mais n’est pas mobilisé par la présence de matière organique naturelle (i.e. acide fulvique). La mobilité du chrome n’est pas liée à la condition environnementale. La mobilité des métaux est liée fortement au comportement de rejet de mine. Tandis que le thorium existe surtout sous forme de colloïde (diamètre > 0.2 μm), l’uranium, le baryum, le manganèse et le chrome ont été retrouvé surtout sous forme dissoute (diamètre < 0.2μm). Globalement, la mobilité des métaux est dans l’ordre : Ba et Cr > Mn et U > Th. Le thorium et l’uranium existent plus sous forme de nanoparticules par la présence d’acide fulvique. En présence ou absence d’acide fulvique, toutes les particules du thorium et de l’uranium sont petites.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".