Vulnérabilité de l’eau souterraine à la contamination par les nitrates sur le bassin versant de la rivière Noire (Montérégie, Québec)
Bibliographic record
Abstract
La rivière Yamaska est l’un des affluents du Saint-Laurent les plus contaminés par les activités agricoles. Cette problématique touche particulièrement le sous-bassin de la rivière Noire où les dépôts de surface du Quaternaire sont discontinus, de faible épaisseur et souvent perméables. L’objectif de cette étude est de déterminer la vulnérabilité de l’eau souterraine sur une partie du sous-bassin de la rivière Noire (100 km 2 ). La méthodologie utilisée comprend la caractérisation de l’aquifère, l’analyse des concentrations en nitrates et des contenus en δ 18 O, l’étude de la vulnérabilité en utilisant l’approche AQUIPRO et la modélisation hydrogéologique. Les résultats montrent une dégradation significative et d’origine anthropique de l’eau souterraine : plusieurs concentrations excèdent 1 mg N-NO 3 /L et quelques-unes excèdent 10 mg N-NO 3 /L. Les puits contaminés sont situés sur les crêtes topographiques où le silt argileux est absent et le till discontinu, et où la plus grande vulnérabilité AQUIPRO a été identifiée. Une diminution des concentrations avec la profondeur de prélèvement s’explique par un écoulement souterrain peu profond entraînant les nitrates vers un ruisseau et vers la rivière Noire. La vulnérabilité de l’eau souterraine est ainsi beaucoup plus grande dans les couches superficielles du roc fracturé. Le temps moyen de séjour de l’eau souterraine est estimé à 20 ans. Les concentrations mesurées permettent d’établir un lien direct entre la vulnérabilité, les dépôts de surface, la stratigraphie du substrat et les directions de l’écoulement souterrain. Elles démontrent aussi la présence d’une contamination de l’eau souterraine par les nitrates qui est susceptible d’augmenter si aucune mesure préventive n’est mise en place.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.004 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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 teacher head, 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".