Développement d'une approche biologique de dénitrification des effluents des mines d'or à l'échelle de laboratoire
Notice bibliographique
Résumé
La gestion responsable des effluents cyanurés constitue un défi majeur pour les mines d’or en raison, entre autres, de la pollution azotée qu’ils peuvent contenir et nécessitant un traitement efficace. Les thiocyanates (SCN-) sont parmi ces composés azotés majeurs, en plus de l’azote ammoniacal (N-NH3), les nitrites (NO2-) et les nitrates (NO3-). Les SCN- sont formés lors de l’extraction de l’or et de l’argent par les cyanures dans des gisements contenant le soufre, via la cyanuration [utilisation des cyanures (CN-) pour la séparation de l’or et de l’argent, à pH alcalin]. La pollution azotée (SCN-, N-NH3, NO2- et NO3-), ensemble avec les CN- résiduels présentent aussi un grand enjeu environnemental à cause la toxicité aquatique engendrée. De plus, l’utilisation des explosifs (ANFO : Ammonia Nitrogen Fuel Oil), lors des étapes d’extraction des minerais, présente une autre origine majeure de la pollution azotée dans les effluents miniers, entre autres les effluents des mines d’or. Les explosifs entrainent surtout du N-NH3 et des NO3- dans l’eau. Le N-NH3 est toxique pour les écosystèmes aquatiques. De plus, il peut former les NO3- en consommant l’oxygène dissout ce qui peut causer, à long terme, l’eutrophisation des eaux. La mine LaRonde, propriété d’Agnico Eagle Ltée, utilise un procédé chimique dans une usine de traitement de l’eau (UTE), pour traiter les CN-. Toutefois, ce traitement est peu efficace pour les SCN- et génère du N-NH3 résiduel qui doit être ensuite traité. Une étape subséquente de traitement biologique, dans une usine de traitement finale de l’eau (UTFE), permet de dégrader les CN- résiduels, le N-NH3 et les SCN- en les oxydant en NO3-, carbonates (CO32-) et sulfates (SO42-). L’effluent final respecte les normes de qualité physico-chimique et de toxicologie aquatique. Enfin, la dénitrification biologique de l’effluent final produit par UTE/UTFE semble être une alternative durable respectueuse de l’environnement. Elle pourrait permettre d’enlever le NO3- en le transformant en diazote gazeux (N2), gaz inerte et non toxique. \nDans ce contexte, l’objectif de la présente étude a été d’évaluer la performance d’un procédé de nitrification-dénitrification biologique sur l’effluent de la mine LaRonde contenant des concentrations élevées de SCN- (453 ± 53 mg/L) et de N-NH3 (41 ± 8 mg/L), à pH alcalin (7,5-8,4). Dans un premier volet, l’efficacité de différents scénarios de dénitrification a été validée en variant le substrat [carbone organique (bois, méthanol et éthanol), carbone minéral (SCN-), et Anammox (N-NH3)] en batch/fed-batch sur un effluent synthétique et les meilleurs ont été \nretenus. Dans un deuxième volet, l’efficacité d’un pilote de nitrification-dénitrification avec écoulement a été validée sur les scénarios retenus lors des essais en batch et fed-batch et appliqués sur l’effluent réel de la mine LaRonde. Les résultats ont mis en évidence les éléments suivants : (i) la dénitrification de l’effluent synthétique, utilisant le méthanol comme source de carbone et les NO2- comme accepteur d’électrons, a été le meilleur scénario avec une efficacité >99%, en batch, et 95%, en fed-batch. Par contre, la dénitrification utilisant les SCN- comme source de carbone minéral n’a pas montré une efficacité prometteuse en fed-batch (une diminution progressive de l’efficacité de dénitrification avec les NO2- comme accepteur d’électrons et aucune efficacité de dénitrification avec les NO3-). Enfin, les autres scénarios testés en batch et en fed-batch ont donné des résultats moins prometteurs, y compris l’approche Anammox. Parmi les approches évaluées, l’utilisation du bois attaqué par la carie/pourri (prédigéré par les champignons) comme source de carbone a été trouvée la moins efficace en dénitrification. (ii) le système pilote de nitrification-dénitrification (avec écoulement) de l’effluent réel a permis d’enlever les SCN- et les NO3- à des efficacités supérieures à 97% et à 80%, respectivement. Le méthanol comme source de carbone a permis de traiter >80% des NO3- pour tous les temps de rétention hydraulique (TRH) testés avec un maximum d’efficacité de 96%. De plus, le TRH et les facteurs de dilution induits par les recirculations influençaient beaucoup ces efficacités. Selon les bilans d’azote, la dénitrification utilisant les SCN- était peu efficace et la diminution des concentrations des SCN- et des NO3- dans l’étape de pré-dénitrification était principalement le résultat de la dilution par recirculation de l’effluent. Les résultats du système pilote de traitement se sont avérés prometteurs. Enfin, les résultats des travaux en cours et à venir vont permettre d'optimiser les critères de design d'un système de traitement à grande échelle.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».