État des connaissances de la gestion des eaux de lavage maraîchères: caractéristiques et traitements
Notice bibliographique
Résumé
Au cours de leurs activités de production, les producteurs maraîchers du Québec génèrent annuellement des centaines de millions de mètres cubes d’eaux usées résiduaires issues des opérations de lavage de fruits et légumes. Les caractéristiques physicochimiques des eaux de lavages maraichères (ELM) varient en fonction de la quantité, du type de fruits et légumes lavés y compris du type de sol de culture. Des concentrations en matière en suspension allant jusqu’à 10.000 mg/L peuvent être décelées dans les ELM, alors que des concentrations aussi faibles que 25 mg/L dans les eaux de surface peuvent entrainer la mortalité des poissons par colmatage des voies respiratoires des poissons. Des composés azotés et phosphorés peuvent être également présents. L’ordre de grandeur de concentrations de phosphore total dépasse parfois les 10 mg/L, alors que les nouvelles réglementations sur les rejets des ELM imposent des concentrations maximales inférieures à 0,3 mg/L. En plus de contenir des polluants organiques de base, les ELM peuvent transporter des pesticides dont plusieurs sont considérés comme des perturbateurs endocriniens. Les ELM doivent être adéquatement traitées avant leur rejet dans l’environnement ou avant toute réutilisation dans les chaînes de lavage et de transformation des produits maraîchers. Elles peuvent aussi être réutilisées pour l’irrigation au champ. Dans l’optique de limiter ces impacts et risques environnementaux reliées aux ELM, des procédés ont été proposés. Certains sont bien balisés et reconnus pour le traitement d’eaux usées d’autres secteurs entraînant des coûts d’implantation élevés et sont peu applicables à la situation des entreprises agricoles. Cette revue discute de l’origine et la nature des contaminants retrouvés dans les ELM dépendamment du type de fruits et légumes cultivés ainsi que du type de sols utilisés pour la culture. Elle présente également les performances épuratoires des procédés conventionnels pour le traitement des ELM en comparaison aux procédés alternatifs.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».