MétaCan
Menu
Retour à la cohorte
Enregistrement W7034619850

Traitement simultané des nitrates et du méthane des sites d'enfouissement à l'aide de bactéries méthanotrophes par biofiltration

2022· other· fr· W7034619850 sur OpenAlexaboutno aff

Notice bibliographique

RevueCorpus Université Laval (Université Laval) · 2022
Typeother
Languefr
DomaineMaterials Science
ThématiqueMachine Learning in Materials Science
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPanacheCarbon oxideLimiting
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Au Québec, l'enfouissement est la technique la plus répandue pour l'élimination des matières résiduelles. Bien qu'elle soit simple et économique, elle entraîne différentes problématiques, dont la production de lixiviats, des liquides très chargés en contaminants, et de gaz d'enfouissement contribuant à l'émission de gaz à effet de serre. Chez Investissement Québec - CRIQ (IQ-CRIQ), la biofiltration méthanotrophe a été étudiée dans les dernières années pour le traitement combiné de ces deux sources de polluants. Si cette technologie a montré une bonne capacité à traiter le méthane (CH₄) présent dans les gaz d'enfouissement, tout en assimilant de l'azote des lixiviats, la capacité du système biologique à résister aux fluctuations saisonnières de température peut être questionnée. L'objectif principal est donc de vérifier si le caractère exothermique de la réaction d'oxydation du CH₄ par les bactéries méthanotrophes permet de maintenir l'activité biologique au sein du biofiltre et donc la capacité épuratoire du CH₄ et de l'azote nitrate (NO₃-) des lixiviats en période hivernale. Pour ce faire, un montage expérimental comprenant quatre biofiltres avec un garnissage organique a été alimenté avec des lixiviats prétraités provenant d'un site d'enfouissement et un mélange synthétique de gaz composé de gaz naturel et d'air. Des isolants en uréthane et une chambre réfrigérée ont été utilisés afin de reproduire les conditions hivernales sur le terrain d'un biofiltre enfoui, soit une température avoisinant les 4 °C. En ce sens, la température d'alimentation liquide a aussi été diminuée à 4 °C pour deux des quatre biofiltres. L'effet d'une charge en CH₄ plus importante sur le traitement a aussi été exploré. Durant les expérimentations qui se sont étendues sur environ 300 jours, les gaz (CH₄, CO₂, N₂O entre autres) et les liquides (NO₃-, NO₂-, NH₄+, pH entre autres) ont été analysés deux à trois fois par semaine et la température interne des réacteurs a été suivie en continu à l'aide de capteurs. Les expérimentations ont permis de montrer que le maintien du traitement était possible même avec une baisse de la température du liquide d'alimentation : une capacité d'élimination de 98 à 112 gCH₄/m³/j et de 2,6 à 3,2 gN-NO₃-/m³/j a été observée pour le biofiltre à température ambiante (environ 21 °C) alimenté avec un lixiviat à 4 °C alors qu'elle a été de 113 gCH₄/m³/j et de 4,4 gN-NO₃-/m³/j pour le biofiltre témoin (température ambiante et d'alimentation liquide à environ 21 °C). Cependant, le biofiltre alimenté avec des lixiviats à 4 °C et placé dans un environnement avec une température ambiante à 4 °C a vu ses capacités à traiter le CH₄ et le NO₃- devenir nulles lors du changement drastique de température. Finalement, le biofiltre alimenté avec une concentration plus élevée en CH₄ n'a pas été en mesure de traiter davantage de contaminants, ce qui laisse croire qu'il pourrait y avoir un débalancement entre le CH₄, les NO₃- et les autres nutriments essentiels ou encore la présence d'inhibiteurs au sein du biofiltre. Une difficulté des gaz à pénétrer le biofilm a aussi pu limiter la capacité d'oxydation et donc l'enlèvement des NO₃-. Bien que des incertitudes persistent, les résultats obtenus montrent bien un potentiel de maintien des capacités épuratoires par les méthanotrophes en période froide d'opération.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,365
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,002
Communication savante0,0010,001
Science ouverte0,0030,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0510,001

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,216
Écart entre enseignants0,201 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCorpus Université Laval (Université Laval)Même sujetMachine Learning in Materials ScienceTravaux en français237 207