Stratégies graduées d’évaluation des risques environnementaux induits par les sédiments fluviaux : revue bibliographique sur la caractérisation des risques et des incertitudes associées
Notice bibliographique
Résumé
Sediments are an essential component of fluvial ecosystems; in the meantime, they can also disturb these systems and their uses. Management of these perturbations, for instance dredging, may also yield adverse effects on the environment; these adverse effects may be increased as sediments are prone to accumulate metals or hydrophobic organic substances. Several industrialized countries have adopted assessment frameworks for sediments; these frameworks have progressively shifted from hazard to ecological risk assessment. Most frameworks are tiered, and involve increasingly sophisticated approaches at higher tiers. In the context of DIESE, a research project granted by the French national research agency (ANR) and aiming to develop a sediment assessment framework for sediments stored upstream dams; we performed a literature survey, with a focus on risk characterization and uncertainty assessment. The sediment assessment frameworks can be grouped in two categories: (i) some derive from the “triad” concept, where the results of the assessment determine the applicable management option; (ii) in the second group, analyses are tuned as a function of the selected management option. Rather few papers cope with risk characterization; in the case of sediments, the very nature of variables contributing to risk leads to qualitative or semi-quantitative methods. Considering that there are other important sources of uncertainty than measurement errors, again qualitative or semi-quantitative methods are more appropriate. Recent developments, in particular in North America, aim to propose comparative risk assessment approaches, allowing to assess and compare several management options (e.g. dredging followed by either water or land disposal), instead of assessing them successively, if the option selected initially is deemed too risky. Another innovative perspective would be to characterize the risks to ecosystems in terms of the services they provide. Les sédiments sont une composante essentielle des écosystèmes fluviaux, en même temps qu’une source de perturbations de leurs usages. Les mesures correctives de ces perturbations, par exemple le dragage, sont également susceptibles d’impacts environnementaux, d’autant plus que les sédiments sont particulièrement susceptibles d’accumuler des substances chimiques dangereuses telles que métaux ou composés organiques hydrophobes. Plusieurs pays industrialisés ont adopté des démarches d’évaluation, d’abord du danger, puis plus récemment des risques environnementaux engendrés par les sédiments. Beaucoup de ces démarches procèdent par étapes successives, mobilisant si nécessaire des moyens de plus en plus sophistiqués. Dans le cadre du projet ANR-PRECODD DIESE (Outils de DIagnostic de l’Ecotoxicité des SEdiments), dont l’un des objectifs est de développer une démarche d’évaluation applicable aux sédiments de retenue, nous avons procédé à une revue bibliographique de démarches d’évaluation existantes, en concentrant plus particulièrement nos efforts sur la caractérisation des risques et des incertitudes associées, qui restent des points délicats actuellement. Ces démarches peuvent être classées en deux catégories, celles relevant de l’approche « triade » où l’on applique une batterie prédéterminée d’analyses, dont les résultats déterminent l’option de gestion applicable, et celles où l’option de gestion est choisie a priori et les analyses adaptées en conséquence. Peu de publications abordent le sujet de la caractérisation des risques, qui dans le cas des sédiments doit combiner des informations de natures différentes, ce qui conduit à des approches qualitatives ou au mieux semi-quantitatives. Dans la mesure où les sources d’incertitude ne se limitent pas aux erreurs de mesure, une approche semi-quantitative apparaît là aussi plus adaptée. Les développements en cours notamment en Amérique du Nord visent des démarches comparatives d’évaluation des risques, ce qui permettrait de comparer directement plusieurs options de gestion (dragage puis dépôt en eau ou mise à terre par exemple) plutôt que de procéder successivement. Une autre perspective innovante serait de caractériser les risques en termes de « services rendus » par les écosystèmes.
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 | 0,002 | 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».