Balancing environmental quality standards and infrastructure upgrade costs for the reduction of microcontaminant loads in rivers
Notice bibliographique
Résumé
Investments for upgrading wastewater treatment plants (WWTPs) with tertiary treatment to reduce microcontaminant loads in surface waters at a catchment scale can be daunting. These investments are highly sensitive to the selection of environmental quality standards (EQSs) for the target microcontaminants. Our hypothesis is that there is a balance between EQS selection and investment that needs to be considered in decision-making. We used a customized microcontaminant fate and transport model coupled to an optimization algorithm to validate this hypothesis in the Llobregat river basin and for the pharmaceutical compound diclofenac. The algorithm optimizes the number of WWTPs in this catchment requiring an upgrade to minimize the total amount of diclofenac that exceeds the EQS in every river section and the total cost. We simulated and optimized 40 scenarios representing a combination of 4 potential EQSs (10, 30, 50 and 100 ng L −1 ), 5 levels of uncertainty bounds in the predictions of river concentrations and 2 hydrological scenarios (average flows, flows annually exceeding 30% of the days; and environmental flows, flows annually exceeding 99% of the days). The results showthat there is a nonlinear relationship between the EQS and the required investment. The investment increases by 100% from an EQS of 100 ng L −1 to 10 ng L −1 , significantly increasing (by 60%) from 30 to 10 ng L −1 . Thus, establishing an EQS of 30 ng L −1 would balance environmental protection and costs. The selection of the hydrological conditions also plays a key role in the upgrade analysis because the costs for environmental flows are 50% higher than for average flows. Finally, we highlight that the investment in research would allow the reduction of uncertainties, hence allowing more qualified decisions to be made and a reduction in the WWTP upgrade costs (up to 4 €·household −1 ·year −1 ).
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».