Les zones de rejet végétalisées : repères scientifiques et recommandations pour la mise en oeuvre
Bibliographic record
Abstract
/ Implantées en sortie des stations de traitement des eaux usées (Steu), les zones de rejet végétalisées (ZRV) sont souvent présentées comme un moyen complémentaire de protection des milieux naturels vis-à-vis des polluants, en complément de l'abattement réalisé par les stations de traitement des eaux usées et des efforts indispensables menés, en amont, pour réduire à la source les émissions. En France, elles font l'objet d'un engouement croissant depuis une quinzaine d'années. En 2011, l'atelier ZRV du groupe de travail Évaluation des procédés nouveaux d'assainissement des petites et moyennes collectivités (Epnac) en a recensé 560 dans 35 départements, de formes et de dimensions très variables, dont la moitié implantée en sortie de Steu de moins de 500 équivalents habitants (EH). Leur surface utile, souvent conditionnée par le foncier disponible, peut varier de 0,01 m2/EH à 50 m2/EH. Par quels mécanismes une ZRV opère-t-elle une réduction de volume ou un lissage des débits transmis au milieu récepteur ? Dans quelle mesure réalise-t-elle un abattement sur les différentes substances polluantes (macropolluants, micropolluants, microorganismes) ? Quels sont les rôles précis de l'eau, du sol, des végétaux dans ces mécanismes ? Quels sont ses autres impacts - positifs ou négatifs - sur le milieu ?
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 | 0.007 | 0.005 |
| 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 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".