Övervakad Naturlig Självrening som åtgärdsstrategi på förorenade områden
Notice bibliographique
Résumé
Förord Ett av riksdagens miljömål är Giftfri miljö, och i detta mål ingår att efterbehandla och sanera förorenade områden. Brist på kunskap om risker med förorenade områden och hur de bör hanteras har identifierats som hinder för ett effektivt saneringsarbete. Naturvårdsverket har därför initierat kunskapsprogrammet Hållbar Sanering. Föreliggande rapport redovisar projektet ”Övervakad naturlig självrening” som har genomförts inom Hållbar Sanering. Denna rapport är avsedd att ge en introduktion till användandet av Övervakad Naturlig Självrening (ÖNS) som en åtgärdsmetod vid efterbehandling av förorenat grundvatten. Rapporten är riktad till berörda problemägare, myndigheter, konsulter och entreprenörer. Rapporten innehåller en översikt över de viktigaste naturliga självreningsprocesserna för de vanligaste grupperna av organiska och oorganiska ämnen samt en genomgång av metoder för att utvärdera om ÖNS kan beaktas som en tillämplig åtgärdsmetod. De flesta metoder och modeller som redovisas har utvecklats i Nordamerika där användningen av ÖNS är vanlig. Några av angreppssätten tillämpas idag ställvis i Västeuropa. Utvecklingen av både teoretiska och analytiska ÖNS-metoder har skett snabbt under de två senaste decennierna och en förhållandevis intensiv utveckling pågår fortfarande. I rapporten redovisas vidare en arbetsgång för att utvärdera om ÖNS är en tilllämplig åtgärdsmetod för ett givet efterbehandlingsobjekt. Rapporten innehåller också en fallstudie för att exemplifiera hela arbetsgången samt (i bilagor) flera fallstudier som exemplifierar viktiga delar av arbetsgången vid efterbehandlingsprojekt i USA och Danmark. Det är viktigt att framhålla att denna rapport inte kan nyttjas som enda underlag för att genomföra ett ÖNS-projekt. Detta måste baseras på många platsspecifika faktorer. Behandlingstester erfordras ofta, och expertis bör involveras i det slutliga ställningstagandet om ÖNS kan användas eller ej. Det bör dessutom framhållas att den redovisade arbetsgången inte nödvändigtvis passar i alla situationer. Rapporten har tagits fram av SWECO Environment AB (tidigare SWECO VIAK AB) i samverkan med konsultföretagen GeoSyntec, USA/Canada. Även COWI A/S, Danmark har medverkat med exempel på hur ÖNS används i Danmark. De personer som har deltagit i arbetet är Niklas Törneman (projektledare), Lars Karlsson och Peter Englöv, SWECO Environment AB, Evan E. Cox, Neal D. Durant, Carol Azziz, GeoSyntec samt Jarl Dall-Jepsen och Torben Højbjerg Jørgensen, COWI. Kontaktperson för Hållbar Sanering har varit Bo Svensson vid Linköpings universitet. Naturvårdsverket har inte tagit ställning till innehållet i rapporten. Författarna svarar ensamma för innehåll, slutsatser och eventuella rekommendationer. Naturvårdsverket april 2009
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 | 0,003 | 0,006 |
| 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 | 0,003 | 0,002 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,078 | 0,020 |
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 ».