Analyse et modélisation numérique du transport de polluants émergents et de métaux traces dans un cours d'eau, en aval d'une station d'épuration des eaux usées
Bibliographic record
Abstract
Les préoccupations de la population mondiale à l’égard des problèmes de pollution des cours d’eau et de l’environnement en général datent de longtemps et ne cessent de prendre de plus en plus d’ampleur dans le monde actuel. Bien que plusieurs recherches aient été menées en vue [de] cerner la problématique, Santé Canada et l’U.S. EPA (United States Environment Protection Agency) ont souligné le besoin de surveiller les polluants émergents, dans les effluents et les boues d'épuration des eaux usées, dans les lixiviats de sites d'enfouissement et dans les eaux réceptrices situées en aval des stations d’épuration des eaux usées (STEP). C'est dans cette optique que l’étude présente, qui vise à simuler le transport in situ de polluants émergents et de métaux traces dans un cours d’eau, en aval de l’exutoire d'une STEP municipale à l’aide du modèle hydrodynamique-environnemental Delft3D, a été élaborée. L'étude porte spécifiquement sur le plastifiant bisphénol A (BPA), 22 molécules pharmaceutiques et 6 métaux traces (Cu, Pb, Mn, Mo, V, Fe). Les données requises pour caler et valider le modèle hydrodynamique ont été mesurées in situ dans le bief étudié de la rivière Coaticook (Qc, Canada). Quant aux concentrations des substances visées requises pour la modélisation de qualité, elles ont été analysées à l’aide d’un Ultra Performance Liquid Chromatography couplé à un spectromètre de masse en tandem (UPLC/MS-MS) pour le cas du BPA et des pharmaceutiques et d’un Induced Coupled Plasma couplé à un spectromètre de masse (ICP/MS) pour le cas des métaux traces. Dans le cas du BPA et des molécules pharmaceutiques, les concentrations dans les échantillons de l’effluent de la STEP, de l’eau de surface et des sédiments étaient inférieures à leurs limites de quantification (évaluées respectivement à 3.5ppb et 10ppt). Seul l’ibuprofène a été retrouvé avec une concentration de 10ppt dans l’effluent de la STEP. Pour ce qui est des métaux traces, les concentrations respectives du Mn, V et Fe étaient de 12.9ppb, 0.15ppb et 1303ppb dans l’effluent de la STEP et de 3.3±0.6ppb, 0.06±0.04ppb, 381±65ppb dans l’eau de surface. Les concentrations du Pb et du Mo dans l’effluent et dans l’eau de surface se sont avérés inférieures à leurs LDQ. Dans les sédiments, seuls le Mn et le Fe ont été retrouvés avec des concentrations de 2261+ 967 mg/kg et de 15664+ 6040 mg/kg respectivement. Ainsi, seul le Fe et le Mn se sont avérés problématique pour la modélisation de qualité vu que les résultats d’analyse des autres substances étaient soit peu pertinents, soit en dessous des LDQ ou soit inférieurs aux critères de qualité des sédiments d'Environnement Canada et du MDDEFP. Les résultats de la modélisation ont montré qu’il existe une bonne concordance entre les résultats de modélisation de qualité et ceux observés in situ. Les erreurs relatives moyennes dans le bief étudié ont été évaluées à 27.3% (r² = 0.7) pour les hauteurs d’eau et 32.5% (r² = 0.66) pour les vitesses moyennes lors de la modélisation hydrodynamique et à 7.4 % (R² = 0.95) et de 16.10 % (R² = 0.88) respectivement sur les concentrations de Mn dans l’eau de surface et dans les sédiments lors de la modélisation de la qualité de l’eau.
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 | 0.001 | 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 | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 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".