Fractionnement et caractérisation de la matière organique des lixiviats de décharges d'ordures ménagères
Bibliographic record
Abstract
Les lixiviats de décharge constituent une source de nuisance qui vient s'ajouter aux nombreux problèmes de contamination du milieu environnant s'ils ne sont pas traités avant leur rejet. La matière organique, principale composante de ces effluents, doit retenir une grande attention dans la mesure où il est difficile d'éviter la propagation et la diffusion de cette pollution dans les sols et vers les nappes phréatiques. Cette étude vise à fractionner et à caractériser la matière organique présente dans des lixiviats de décharges d'ordures ménagères afin de prévoir et d'orienter le choix des traitements les plus adaptés compte tenu de leur biodégradabilité. La méthode de fractionnement utilisée comprend une adsorption spécifique sur résines macroporeuses Amberlite XAD (combinaison de XAD-7 et XAD-4) pour séparer les composés hydrophobes et hydrophiles qui sont ensuite extraits à la soude (composés acides) et au dichlorométhane (composés neutres). Le fractionnement de la matière organique par filtration sur résines XAD-7 et XAD-4, après une première étape de précipitation en milieu acide (pH=1), a permis de répartir l'ensemble des composés organiques du lixiviat dans six fractions de spécificités différentes fonction de la taille et/ou du caractère hydrophile ou hydrophobe des molécules. Les résultats montrent que ce protocole expérimental permet d'extraire au moins 98 % de la matière organique totale (pourcentage relatif aux teneurs de la demande chimique en oxygène ou DCO), dont la plus grande proportion est constituée des substances humiques (76 % à 90 % en DCO). Diverses méthodes analytiques ont été proposées en vue de caractériser les fractions isolées telles que l'analyse élémentaire, la spectrophotométrie infrarouge, la résonanoe magnétique nucléaire C13 (RMN Cl3) et la chromatographie CG/FID et CG/SM.
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 | 0.001 | 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".