Bilan du carbone dans le lagunage anaérobie appliqué sous climat méditerranéen
Bibliographic record
Abstract
Ce travail a porté sur l'application du lagunage anaérobie pour le traitement primaire des eaux résiduaires urbaines sous climat méditerranéen. Il a été réalisé sur les lagunes anaérobies de l' Ecosite de Mèze (Hérault, France). Les lagunes anaérobies constituent un traitement primaire satisfaisant avec des rendements moyens de 55% pour les MES et 30% pour la DBO5, pour une faible emprise au sol. Le taux d'accumulation des boues est de seulement 0,017 m3 /EH.an, notamment du fait de l'efficacité de la dégradation anaérobie. L'équilibre du métabolisme anaérobie des boues est atteint après un an de fonctionnement. L'accumulation des boues se fait alors de façon saisonnière avec une forte accumulation en hiver et une digestion du stock en été. Cette évolution est liée à l'influence de la température sur la méthanogénèse. La production de biogaz (83% CH4) a pu être mesurée par des collecteurs à gaz mis au point pour cette étude et dépend également fortement de la température. Le bilan du carbone montre que 74% du carbone organique épuré est converti en CH4, 13% en carbone inorganique dissous et seulement 15% est stocké dans les boues. Toutefois, les lagunes anaérobies présentent un risque de créer des nuisances olfactives dues à l'émission de H2 S.
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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".