Revue sur l’état actuel des connaissances des procédés utilisés pour l’élimination des cyanobactéries et cyanotoxines lors de la potabilisation des eaux
Notice bibliographique
Résumé
Les toxines cyanobactériennes sont des contaminants importants des écosystèmes aquatiques et constituent un risque pour la santé humaine. Les cyanobactéries peuvent libérer des toxines dans l’eau, particulièrement lors de la lyse des cellules qui se produit souvent au moment de leur passage à travers la filière conventionnelle de potabilisation des eaux. Dans cet article de revue de la littérature, les normes sur la qualité de l’eau concernant les toxines ainsi que les principales méthodes de détection des toxines sont d’abord présentées. Les méthodes d’élimination des cyanobactéries et des cyanotoxines sont ensuite décrites et leur performance discutée. Les procédés conventionnels présentés sont la coagulation/floculation, la clarification, la filtration sur sable, l’utilisation du charbon actif ainsi que l’oxydation chimique par chloration ou par le permanganate de potassium. Les méthodes alternatives présentement en développement pour optimiser les systèmes actuels de potabilisation des eaux ou remplacer les technologies conventionnelles trop peu efficaces pour l’élimination des polluants émergents (par ex., les procédés d’oxydation avancée et la filtration membranaire) sont également présentées. Des procédés conventionnels tels que la chloration peuvent s’avérer inadéquats, notamment par leur manque de fiabilité pour l’oxydation des cyanotoxines et par le risque encouru suite à la formation de sous-produits toxiques (par ex., les organochlorés). Des méthodes alternatives telles que la combinaison d’ozone et de peroxyde d’hydrogène permettent une oxydation fiable des cyanotoxines en assurant un effet rémanent à la sortie du contacteur. Ce type de traitement peut être facilement mis en oeuvre dans les usines de potabilisation des eaux possédant déjà une unité d’ozonation. L’utilisation du charbon actif, notamment sous forme de poudre, peut être efficace lors de contaminations ponctuelles par les fleurs d’eau de cyanobactéries. Ce document fait ainsi une synthèse de ces procédés chimiques, physiques ou physico-chimiques contribuant à l’élimination des cyanotoxines et des cyanobactéries lors de la potabilisation des eaux.
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 | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,026 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».