Fugitive mine dust: evaluation of innovative monitoring and characterization techniques
Bibliographic record
Abstract
Le présent document résume les progrès réalisés, les résultats obtenus à ce jour et les travaux futurs de Ressources naturelles Canada dans le cadre du Projet de recherche sur la poussière fugitive. Le programme de recherche a été lancé en 2017 avec des projets qui se déroulent partout au Canada, y compris en Nouvelle-Écosse, au Québec, dans les Territoires du Nord-Ouest et, plus récemment, au Nunavut. Le programme de recherche vise à innover des approches pour combler les lacunes dans les connaissances associées à la surveillance de la poussière en améliorant les techniques de dépoussiérage et d’analyse disponibles. Pour atteindre cet objectif, le programme comporte cinq domaines d’intérêt, notamment : 1) l’évaluation des techniques nouvelles et actuelles de surveillance de la poussière, tant sur le terrain qu’à distance à l’aide de l’observation de la Terre ; 2) amélioration de la caractérisation géochimique et minéralogique des poussières ; 3) l’étude du devenir de la poussière dans l’environnement dans les milieux tels que les eaux de surface, les sols et la tourbe ; 4) éclairer le processus d’évaluation d’impact et la surveillance du site minier ; et 5) l’établissement de liens entre la science occidentale et le savoir autochtone afin de travailler à une compréhension plus complète de la poussière fugitive des mines. Pour élargir la boîte à outils de surveillance des chutes de poussière, des techniques novatrices de surveillance de la poussière ont été évaluées sur les sites miniers abandonnés et en exploitation, y compris le déploiement de collecteurs de dépôts secs passifs (Pas-DDs). Grâce à la caractérisation géochimique et minéralogique de la poussière capturée par les Pas-DDs, les contrôles minéralogiques sur l’inventaire des métaux (loid) de la poussière peuvent être évalués, fournissant un aperçu de la mobilité environnementale des contaminants et probablement des métaux (loid) / source de poussière. Grâce à de nouvelles techniques de capture et de caractérisation de la poussière au sol, combinées à des observations de la Terre, ce projet vise à fournir à l’industrie des options pour renforcer les programmes actuels de surveillance des chutes de poussière.
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 | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
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".