全行业倾向于开采更大、更低品位的矿石，最终导致产生的废物数量净增加(Mudd和Jowitt, 2018年)。对于许多矿床类型，所产生的矿山废料可能含有硫化物(如黄铁矿和磁黄铁矿)，在地表条件下，通过统称为酸和含金属排水(AMD)的过程氧化产生硫酸。如果这种酸性排水进入地表水和地下水，有毒浓度的金属/金属有可能被引入周围的生态系统，并最终成为人类的生物可访问性。目前，采矿业面临着巨大压力，需要改进预测未来矿山废物行为的方法，以在矿山寿命结束时保护社区并减少负债，正如社会经营许可证已被确定为2019年对采矿业构成的最大风险所表明的那样(Ernest Young, 2019年)。
按照惯例，为了预测矿山废料的性能，可以进行两类试验工作:静态(短期、低成本)和动力学(长期、高成本)试验。静态试验包括一系列化学试验，包括测定硫或硫-硫以计算最大潜在酸度(MPA;使用从黄铁矿氧化反应中得到的化学计量因子)和样品的滴定来计算其酸中和能力(ANC)。从MPA中减去ANC得到净产酸潜力(NAPP)，从而实现废物分类(基于绝对产酸潜力)，特别是在与净产酸(NAG) pH值进行筛选时(Dold, 2017)。动力学测试为预测长期水化学提供了更可靠的信息，并具有两种主要类型的测试:湿度单元(例如，Brough等人，2018)和柱浸出(例如，Qian等人，2017)。然而，这些信息是在更长的时间范围内生成的(例如，测试可以运行的最小值是20周)，并且，由于所涉及的成本，很少执行。它们也可能过早终止，因此所得数据的准确性可能有问题，不能有效地列入采矿规划决定。
这对该行业尤其重要，因为在作业中除去的惰性(废石)材料用于建造尾矿库壁。因此，这种材料必须符合特定的岩土和地球化学特征，以保证其物理和地球化学稳定性。
目前许多矿山作业的矿山废物定性战略是基于双步处理。首先，在爆破前，每35米采样一口井，采样材料的特征如下:
根据这些估计，地质学家确定该材料是否是PAF，并确定其目的地(大坝墙或废石堆)。
同时，同样的样品被送到一个外部实验室，在那里它被粉碎并分析其NAG pH值，另外一些样品在另一个商业实验室进行ABA测试分析。
正如Parbhakar-Fox和Lottermoser(2015)所述，未能准确预测AMD会对生态系统和人类健康造成长期影响，此外还会对运营商造成重大财务后果和声誉损害。这些公认的化学测试和做法虽然代表了目前的最佳做法，但也有固有的局限性，例如:(i)没有进行适当的抽样;(ii)风险评估依赖于有限的静态和动力学测试数据，从而影响了所得到的AMD块模型的准确性;(iii)静态试验是在场外完成的，不反映实际的现场测量;动力学试验数据要到开发地雷的后期阶段才能得到;(v)废物分类方案一般只把物料分为三类(即PAF、NAF和UC)，而不考虑其他排水形式(例如中性金属或盐水);常规测试没有考虑到废物的反应性是由化学以外的参数控制的(例如微生物学、矿物的类型和出现、质地和硬度)。因此，精确的预测是具有挑战性的，因为导致AMD的过程是多方面的。废物评估必须利用这些用于解释静态或动力学化学数据的数据来评估矿物学、结构和几何冶金性质。因此，业界需要一种新的矩阵来进行分阶段的AMD测试。 Better AMD forecasting must start with improving the definition of geoenvironmental domains. Next, a range of low-cost and rapid tests embracing new technologies for the screening of samples should be conducted on site prior to the performance of established tests and advanced analyses using state-of-the-art techniques. Such an approach to AMD prediction would support more accurate and cost-effective waste management during operation, and ultimately less costly mine closure outcomes.
理想情况下，采矿业需要有一个适合于该领域的矿山废物表征/ARD预测工具箱，以便更有效地收集有用的数据。如果可以在矿山现场进行这种测试，那么可以更好地选择更详细的ARD测试工作的样本。通过采用AMIRA P843 GeM项目提出的“几何冶金矩阵”方法，可以重新思考矿山废物特征的方法，如图1所示。
研究人员已经开发了几种成本较低的测试方法(低成本，简单的现场技术)，它们是我们新的环境几何冶金工具箱的特色。这些使得在环境几何冶金矩阵方法的第1级进行更好的采样成为可能。此外，它们还有助于废物分类/ARD预测，并促进改进二级测试的样本选择。新的工具箱由六个主要工具组成，如图2所示。
这些方法已经用从塔斯马尼亚和昆士兰的几个澳大利亚矿区收集的钻芯和废料进行了测试。表1提供了这些工具的描述和使用示例。
对于由行业合作伙伴指定的每个研究地点，我们将对矿山数据库或任何其他现有数据进行审查，并据此制定一个工作计划，采用我们的环境几何冶金矩阵方法，应用工具箱中的相关工具，有效地识别废物区域，并协助将这些知识构建到数据库中，以实现精确的ARD块建模。这将包括:
布鲁斯，C.，斯壮曼，J.，鲍尔，R.， Warrender, R.，普雷斯塔，A.，巴恩斯，A.，弗莱彻。J。,2017年。自动化环境矿物学;解离分析在湿度单元测试中的应用。《矿物工程》，107页，112-122页。
杜德，B.， 2017。酸性岩石排水预测:评论。地球化学勘探学报，vol . 172, p. 120-132。
欧内斯特:年轻https://www.ey.com/en_gl/mining-metals/10-business-risks-facing-mining-and-metals(访问2019年3月11日)。
马德，乔维特，s.m.， 2018。全球主要金属资源评估:一个乐观的现实检查。自然资源研究，第27期，第229-240页。
钱光，舒曼，r.c.，李俊，肖特，M，范，瑞，李勇，川岛N，周，勇，斯玛特，R.， Gerson, A.， 2017。黄铁矿表面钝化减少酸性和含金属物质排放的策略。矿物，7,42,doi:10.3390 / min7030042
Parbhakar-Fox, A和Fox, N和Jackson, L和Cornelius, R，“预测地球环境风险:矿物和化学数据的综合应用”，矿物质，8第五百四十一条doi: 10.3390 / min8120541Issn 2075-163x (2018)
Jackson, L和Parbhakar-Fox, A和Fox, N和Meffre, S和Cooke, DR和Harris, A和Savinova, E，“整合高光谱分析和矿物化学用于地球环境预测”，第11届国际酸性岩排水会议论文集国际矿山水协会WISA矿山水分部2018年9月10-14日，南非比勒陀利亚，第1075-1080页。ISBN 9780620806503
Parbhakar-Fox, A和Edraki, M和Walters, S和Bradshaw, D，“预测酸性岩石排水的纹理指数的发展”，矿物工程:致力于矿物加工和萃取冶金的创新和发展的国际期刊，24(12)第1277-1287页。doi: 10.1016 / j.mineng.2011.04.019Issn 0892-6875 (2011)
R Cornelius和Parbhakar-Fox, A和Cooke, DR，“在矿山早期寿命评估中取芯的地质环境特征工具”，第九届澳大利亚酸性和含金属排水研讨会论文集， 2017年11月20-23日，Burnie, Tasmania，第102-113页。
“识别酸性岩石排水风险的低成本方法:地球化学-矿物学-纹理方法与几何冶金技术的集成”，第二届AusIMM国际几何冶金会议论文集(GeoMet)， 2013年9月30日- 10月2日，布里斯班，澳大利亚，143-154页。ISBN 9781921522970
Berry, R和Hunt, J和Parbhakar-Fox, A和Lottermoser, B，“从计算矿物学预测酸性岩石排水(ARD)”，第十届国际酸性岩排水会议暨IMWA年会论文集， 2015年4月21-24日，智利圣地亚哥，第1-10页。ISBN 978-956-9393-28-0
Parbhakar-Fox, A和Aalders, J和Lottermoser, B，“快速ARD预测的有效现场测试工具”，第十届国际酸性岩排水会议暨IMWA年会论文集， 2015年4月21-24日，智利圣地亚哥，第1-16页。ISBN 978-956-9393-28-0
MJ和Parbhakar-Fox, A和Jackson, L和Savinova, E，“从钻井岩心图像自动指示酸性岩石排水”，矿物质，8第五百七十一条doi: 10.3390 / min8120571ISSN 2075 - 163 x
Fox, N和Parbhakar-Fox, A和Motlzen, J和Feig, S和Goemann, K和Huntington, J，“高光谱矿物学在地质环境表征中的应用”，矿业工程，10763 - 77页。doi: 10.1016 / j.mineng.2016.11.008Issn 0892-6875 (2017)
Parbhakar-Fox, A和Fox, N和Jackson, L和Cornelius, R，“预测地球环境风险:矿物和化学数据的综合应用”，矿物质，8第五百四十一条doi: 10.3390 / min8120541ISSN 2075-163X (2018b)
王晓明，王晓明，“含硫矿山废弃物pH值检测方法的研究”，矿井水与环境，35(3)第318-331页。doi: 10.1007 / s10230 - 015 - 0356 - 2Issn 1025-9112 (2016)
Parbhakar-Fox, A和Fox, N和Moltzen, J和Lottermoser, B，“钻井岩心表征的化学染色技术”，金属采矿的环境指标，施普林格国际出版，B Lottermoser (ed)，瑞士，第97-114页。isbn978 -3-319-42729-4 (2017a)
Parbhakar-Fox, A和Lottermoser, B，“利用基于实地和环境的几何冶金指标进行预测性废物分类，塔斯马尼亚州莱尔山”，金属采矿的环境指标，施普林格国际出版，B Lottermoser (ed)，瑞士，第157-177页。isbn978 -3-319-42729-4 (2017)
(1) Parbhakar-Fox, A和Lottermoser, B和Hartner, R*和Berry, RF和Noble, TL，“利用自动矿物学预测酸性岩石排水”，金属采矿的环境指标，施普林格国际出版，B Lottermoser (ed)，瑞士，139-156页。isbn978 -3-319-42729-4 (2017b)
Jackson, L和Maddocks, G和Long, P和Tear, S，“为Walford Creek项目建立地质环境区块模型的方法，AEON金属。”澳大利亚矿业和冶金学会太平洋环太平洋会议，第90-94页。Isbn 978 1 925100 80 8
Parbhakar-Fox, A和Fox, N，“最终报告”，建立有效的矿物学和地球化学技术，用于矿床范围的地质环境特征:瑞典的Laver、转变矿业价值链;2018年4月第1-94页。
Parbhakar-Fox, A和Lottermoser, BG，“酸性岩石排水预测方法和实践的评论”，矿业工程，82107 - 124页。doi: 10.1016 / j.mineng.2015.03.015ISSN 0892 - 6875
Beavis, F.， Taylor J.， Winchester S.， Tyler, M.， Ehrig, K.， Waters J.“将化学转化为矿物学用于酸性和含金属排水风险管理”，第九届澳大利亚酸性和含金属排水研讨会论文集，Burnie，塔斯马尼亚，2017年11月20-23日。(Eds。Bell, l.c.， Edraki, M.和Gerbo C.)第14-21页(昆士兰大学:布里斯班)。
