Les cours d'eau récepteurs de rejets de stations d'épuration : le cas de la Mauldre (Île-de-France), un milieu sous très haute pression
Bibliographic record
Abstract
L'étude des impacts des rejets des stations d'épuration communales sur les cours d'eau récepteurs est généralement conduite selon des méthodes d'analyses ponctuelles en rivière. Mais ces méthodes ne donnent pas des résultats satisfaisants car elles ne tiennent pas compte à la fois de la qualité des cours d'eau et des rejets, et nient le continuum de la rivière en analysant des points successifs. D'autres méthodes, globales, tiennent compte des flux en rivière et en station et fournissent des résultats plus représentatifs des phénomènes qui se produisent en rivière. Une étude de cas a été menée sur la Mauldre et ses affluents. Deux méthodes de calcul d'impact ponctuel ont été utilisées, le ratio de dilution et le taux de pollution. Un bilan des flux en rivière et en station a été mis au point pour l'analyse globale. Celle-ci a été complétée par un bilan global des impacts, issu d'une approche systémique qui élargit le périmètre des investigations. Cette dernière méthode demande l'acquisition de peu de données en comparaison des autres. Elle est également plus intégratrice, replace le problème posé dans un contexte plus vaste et permet ainsi d'y apporter une réponse intéressante.
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 | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
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".