Caractérisation et évaluation des contaminants dans les solides et les eaux : cas d'un parc à résidus miniers
Bibliographic record
Abstract
RÉSUMÉ Les activités minières génèrent de grandes quantités de rejets qui sont entreposés dans des parcs à résidus miniers. Ces rejets peuvent s’altérer au contact de l’eau et de l’oxygène et produire du drainage contaminé. Les eaux de drainage peuvent se mélanger avec les eaux de surface et s’infiltrer vers les aquifères environnants, provoquant ainsi la dégradation de l’environnement et de la qualité des eaux. Or, les mécanismes de mobilisation et d’immobilisation des éléments traces dans les eaux réceptrices affectées par le drainage minier demeurent mal compris, notamment au niveau des aquifères et des eaux porales des sédiments. L’objectif principal de ce projet est d’étudier le comportement géochimique de contaminants ciblés dans les solides ainsi que leur spéciation dans les eaux de drainage et les eaux réceptrices afin d’identifier les mécanismes de mobilisation et d’immobilisation des éléments traces sur le site du parc à résidus. Les objectifs spécifiques sont 1) d’évaluer la composition chimique des solides et des eaux, 2) d’évaluer le potentiel de lixiviation et de génération d’acide des solides, et 3) de prédire, par modélisation géochimique avec le logiciel PHREEQC, les concentrations et la spéciation d’éléments traces ciblés dans les eaux et les mélanges d’eaux au sein du parc Quémont-2. Huit échantillons de solides (résidus miniers et sédiments) et six échantillons d’eaux (trois eaux d e surface et trois mélanges d’eaux) ont été prélevés et analysés. Des analyses physicochimiques, des essais de lixiviation de type CTEU-9 et SPLP, ainsi que des essais de potentiel de génération d’acide ont été réalisés sur les solides. Des analyses physicochimiques ont aussi été réalisés sur les échantillons d’eaux de surface et des mélanges d’eaux à la suite des prélèvements sur le site (jour 1 ). Des échantillons ont été gardés au laboratoire et des eaux ont subséquemment été prélevées pour analyses chimiques aux jours 7 et 14. La modélisation géochimique a été réalisée afin de prédire l’évolution géochimique des éléments traces des eaux et des mélanges d’eaux. Deux méthodes statistiques multivariées, la carte thermique et l’analyse en composantes principales, ont ensuite été appliquées à l’ensemble des données pour classer les différents types de solides et d’eaux selon leur degré de contamination, ainsi que pour déterminer les processus géochimiques qui contrôlent la géochimie des solides et des eaux au sein d u parc à résidus. Les résultats des analyses des solides permettent de prédire le potentiel de lixiviation en identifiant les contaminants présents dans les solides, en les comparant aux critères du guide d’intervention sur la protection des sols et la réhabilitation des terrains contaminés du ministère de l’environnement du Québec (MELCC, 2020). Les données permettent aussi d’estimer le potentiel de génération d’acide des résidus. Les résultats ont montré des concentrations en contaminants dans les solides supérieures aux critères génériques (A) pour As, Ag, Cr, Cu, Ni, et Z n. De plus, tous les échantillons sont considérés lixiviables en Ag, Cu et Zn, dont les trois échantillons de sédiments et de résidus miniers qui sont potentiellement générateurs d’acide (PGA). Les résultats des analyses chimiques des mélanges d’eaux permettent de documenter l’évolution temporelle des concentrations des éléments traces dans les mélanges sur une période de 14 jours. La modélisation géochimique avec PHREEQC permet de surcroît de calculer la spéciation, les indices de saturation ainsi que d’identifier des processus de mobilisation et d’immobilisation qui contrôlent l’évolution des éléments traces dans les eaux mélangées du parc à résidus. Les expériences de mélanges d’eaux ont révélé la formation de minéraux secondaires principalement les oxyhdroxydes de fer tels que la schwertmannite et ferrihydrite. Ces phases minérales peuvent engendrer un impact important sur l’évolution géochimique des eaux durant les expériences de mélange. La schwertmannite et la ferrihydrite ont été identifiées comme étant les mécanismes responsables d’immobilisation des concentrations des oxyanions (tel que l’As, Cr, Se, et Mo) par des processus de coprécipitation et sorption. Les approches de caractérisation et de modélisation de l’évolution géochimique développées dans ce projet permettent de formuler des recommandations adaptées aux méthodes de restauration afin de minimiser l’impact des eaux contaminées du parc à résidus sur les eaux de surface et les eaux souterraines à proximité du site. ABSTRACT Mining activities generate large quantities of tailings, which are stored in tailings impoundments. These tailings can alter on contact with water and oxygen, producing contaminated drainage. Drainage water can mix with surface water and seep into surrounding aquifers, causing environmental degradation and water quality problems. However, the mechanisms by which trace elements are mobilized and immobilized in receiving waters affected by mine drainage remain poorly understood, particularly at the level of aquifers and sediment pore waters. The main objective of this project is to study the geochemical behavior of targeted contaminants in solids, as well as their speciation in drainage and receiving waters, in order to identify the mechanisms of mobilization and immobilization of trace elements at the tailings site. The specific objectives are 1) to assess the chemical composition of solids and waters, 2) to evaluate the leaching and acid-generating potential of solids, and 3) to predict, by geochemical modelling with PHREEQC software, the concentrations and speciation of targeted trace elements in waters and w ater mixtures within the Quémont-2 park. Eight solid samples (tailings and sediments) and six water samples (three surface waters and three water mixtures) were collected and analyzed. Physicochemical analyses, WTC-9 and SPLP leach tests, as well as acid-generating potential tests were performed on the solids. Physicochemical analyses were also carried out on surface water samples and water mixtures following on-site sampling (day 1). Samples were preserved in the l aboratory and water was subsequently collected for chemical analysis on days 7 and 14. Geochemical modeling was carried out to predict the geochemical evolution of trace elements in water and water mixtures. Two multivariate statistical methods, heat map and principal component analysis, were then applied to the data set to classify the different types of solids and waters according to their degree of contamination, and to determine the geochemical processes controlling the geochemistry of solids and waters within the tailing’s facility. The results of the solids analyses are used to predict leaching potential by identifying the contaminants present in the solids, comparing them with the criteria of the Quebec Ministry of the Environment's intervention guide on soil protection and the rehabilitation of contaminated land (MELCC, 2020). The data were also used to estimate the acid-generating potential of the tailings. Results showed contaminant concentrations in solids above generic criteria (A) for As, Ag, Cr, Cu, Ni, and Zn. In addition, all samples were considered leachable for Ag, Cu and Zn, including the three potentially acid-generating (PGA) sediment and tailings samples. The results of chemical analyses of the water mixtures document the temporal evolution of trace elements concentrations in the mixtures over a 1 4-days period. Geochemical modelling with PHREEQC also enabled speciation and saturation indices to be calculated, as well as the identification of mobilization and immobilization processes controlling the evolution of trace elements in mixed tailings pond water. Water mixing experiments have revealed the formation of secondary minerals, mainly iron o xyhydroxides such as schwertmannite and ferrihydrite. These mineral phases can have a significant impact on the geochemical evolution of waters during mixing experiments. Schwertmannite and ferrihydrite have been identified as the mechanisms responsible for immobilizing concentrations of oxyanions (such as As, Cr, Se and Mo) through co-precipitation and sorption processes. The characterization and geochemical evolution modeling approaches developed in this project will enable us to formulate recommendations adapted to remediation methods in order to minimize the impact of contaminated water from the tailing’s facility on surface water and groundwater in the vicinity of the site.
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 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) | 0.004 | 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".