Potentiel d’élimination des déchets végétaux (feuilles de Mangifera Indica et de Manihot Utilissima) par méthanisation à Kinshasa (République Démocratique du Congo)
Bibliographic record
Abstract
La République Démocratique du Congo produit annuellement environ 2,2 millions de tonnes de déchets dans sa capitale, Kinshasa. Ces déchets sont constitués de 66 % de matières organiques dans lesquelles 94 % sont des déchets végétaux et la majorité des feuilles mortes. Parmi ces feuilles, celles de Mangifera Indica et Manihot Utilissima sont les plus accessibles. Elles sont générées via les ménages et les marchés, mais ne sont pas recyclées convenablement. Certains maraîchers les utilisent irrationnellement comme engrais et n’obtiennent pas les résultats attendus. À cet effet, ces déchets gênent et polluent l’environnement. D’autre part, les ménages kinois éprouvent d’énormes difficultés pour s’approvisionner en énergie. La surexploitation du bois énergie entraîne la détérioration des écosystèmes et de la santé publique. Ces méfaits seraient réduits simultanément et durablement par l’exploitation rationnelle de la bioénergie et des biofertilisants résultant de la digestion anaérobie ou biométhanisation des déchets végétaux. En supposant que cette biomasse végétale est constituée uniquement des feuilles de Mangifera Indica et de Manihot Utilissima, le pouvoir énergétique du biogaz émanant de leur biométhanisation réduirait respectivement la consommation en bois énergie de 39 % et 134 %. Par ailleurs, la quantité de digestats produits couvrirait par épandage une superficie proche de celle de la déforestation. Ces estimations montrent un potentiel de valorisation de ces déchets végétaux intéressant pour l’assainissement, les besoins énergétiques, l’afforestation et l’agriculture. De ce fait, ils seraient gérés directement dans leurs lieux de génération pour minimiser les coûts de transport et de traitement industriel.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".