Notice bibliographique
Résumé
Theory is fine, but practical experience is the heart of real learning. This chapter provides—as much as a book can—some real-life experience through seven case histories of how wastes are managed. The case histories describe a state-of-the-art materials recycling facility, five waste disposal facilities in three different countries (the United States, Canada, and Sweden), and a large mass-burn incinerator. Choosing which of the many thousands of landfills in existence to include was a difficult task. Three municipal solid waste landfills are described. The first, Fresh Kills landfill in New York City, was constructed in 1948 and represents older landfill technology. The second, a new landfill in East Carbon County, Utah, was built in 1992 and incorporates the latest engineered barriers and features of a modern landfill. The third is being developed in a large, abandoned open-pit mine in California. In addition, we discuss a landfill and treatment center for hazardous waste, located in Swan Hills, Alberta. A unique Swedish facility for disposing radioactive wastes rounds out the suite of landfill case histories; this facility takes a very innovative approach to waste disposal and is included to provide a different perspective on this topic. Materials recovery facilities (MRFs) are the vital heart of modern integrated municipal waste management systems. Without MRFs, recycling on any practical scale would not be possible; it is here that recyclable materials are collected and made ready for sale to secondary markets. One of the most innovative recycle centers in North America has recently been constructed in the city of Guelph in southern Ontario (Guelph, n,d.). It offers good insight into what can be achieved through recycling, and the equipment that is involved. The city of Guelph, with a population of 95,000, is situated about 60 kilometers west of Toronto. In the mid-1980s, the city began studying ways to reduce the amount of waste being placed in its landfill. These studies received a major impetus in 1991, when the province of Ontario developed a waste reduction plan that required municipalities to reduce the amount of garbage being placed in landfills by 50% by the year 2000. A number of pilot studies were conducted before the present approach was selected.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».