Efficacité de l'assainissement des eaux usées sur le bassin de la rivière Chaudière (Québec, Canada)
Bibliographic record
Abstract
Le Québec a consacré des efforts techniques et financiers substantiels à l'assainissement des eaux usées municipales et à l'entreposage des déjections animales afin de satisfaire les demandes des citoyens en matière de restauration des usages des cours d'eau. L'assainissement de l'eau a, dans l'ensemble, par ses choix technologiques et administratifs, engendré des investissements publics dépassant 7,2 milliards de dollars et plus de 400 millions de dollars annuellement au chapitre de l'exploitation. Ces choix ont-ils permis d'atteindre un niveau de qualité de l'eau correspondant à un optimum social? À l'aide d'une étude de cas portant sur le bassin versant de la rivière Chaudière (Québec, Canada), cet article met en évidence les facteurs qui ont nuit à l'efficacité des politiques de contrôle de la pollution de l'eau au Québec. Sur ce bassin, 125 M$ ont été consacrés entre 1981 et 1992 à l'érection d'usines d'épuration utilisant différents types de traitement, 8,6 M$ ont été alloués pour la construction de structures d'entreposage de fumiers et le service de la dette pour l'assainissement des eaux usées municipales atteindrait près de 527 M$ selon une hypothèse de financement de 25 ans. La performance des usines d'épuration a permis de réduire significativement les apports au cours d'eau, notamment en DBO5 et en phosphore. Enfin, cette performance et le coût total de l'assainissement municipal sur le bassin de la Rivière Chaudière permettent d'évaluer, sur la base d'une relation coût-efficacité, qu'il y aurait un niveau optimal de qualité de l'eau pouvant résulté de l'établissement d'infrastructures d'assainissement des eaux usées municipales. Ainsi, dans l'optique d'une prise en charge sociale du problème collectif de la pollution de l'eau sur la base du bassin versant, il serait approprié que les gestionnaires et les usagers-contribuables de la ressource-eau, prennent en compte, non pas uniquement les objectifs de rejets, mais également les coûts et les performances de l'ensemble des usines d'épuration sur le bassin afin de retirer le maximum de charges polluantes là où les équipements sont les plus performants.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 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".