Contrôle et réduction des émissions atmosphériques des sites miniers par la végétation : évaluation de l’efficacité par modélisation
Bibliographic record
Abstract
Le Québec dispose d’une industrie minière très développée qui comprend plusieurs sites miniers en exploitation ou en développement. Ces sites sont associés à plusieurs enjeux environnementaux et font l’objet de préoccupations de la population. Un de ces enjeux est celui de la qualité de l’air, car les mines sont souvent associées à l’émission de particules dans l’atmosphère. Les particules peuvent causer des effets irréversibles sur la santé, principalement pour les particules fines PM2.5 qui peuvent être inhalées et causer des maladies respiratoires et des cancers. L’objectif de l’essai est d’évaluer l’efficacité de contrôle et de réduction des émissions de particules des sites miniers par la végétation. Dans cette étude, les bénéfices de la végétation sur la pollution atmosphérique sont abordés de deux façons : d’abord par la réduction des émissions de particules des sites miniers en utilisant la végétation comme mur brise-vent pour réduire l’érosion éolienne, ensuite par l’utilisation de la végétation comme surface de déposition pour les particules. Ces deux méthodes sont analysées de façon théorique par une revue de littérature et par modélisation de la dispersion atmosphérique pour quantifier le potentiel de réduction des concentrations dans l’atmosphère. Les études analysées confirment qu’une haie brise-vent peut réduire les vitesses de vent de plus de 25 %. Cette réduction permet de contrôler l’érosion éolienne des sites miniers, notamment des piles de minerai et de résidus. Les espèces d’arbres à favoriser pour réduire la vitesse du vent sont les conifères avec une importante densité foliaire comme le cyprès de Leyland. Les arbres permettent également de favoriser la déposition des particules. Plus l’indice de surface foliaire des arbres est élevé, plus le taux de déposition est grand. D’autres paramètres comme le contenu en cire des feuilles et la rugosité de la surface viennent augmenter le potentiel de déposition. Plusieurs espèces d’arbres augmentent la déposition dont le pin noir qui est le plus efficace selon les espèces analysées. La modélisation des émissions atmosphériques des sites miniers a permis de quantifier l’efficacité de réduction de la pollution atmosphérique en comparant les concentrations de particules dans l’air ambiant avec et sans végétation. La présence de végétation permet de diminuer de plus de 50 % les concentrations de particules dans l’atmosphère à 2 km et plus des sites miniers. Par contre, la végétation augmente les concentrations de polluant à proximité des sources. La déposition des particules est quant à elle augmentée de plus de 50 % à proximité des sources lorsque les sites miniers sont entourés de végétation.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| 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".