MétaCan
Menu
Back to cohort
Record W7009852904

Évaluation de la qualité de l'air dans les porcheries équipées d'un système de séparation liquide-solide des déjections

2006· article· fr· W7009852904 on OpenAlexaboutno aff

Bibliographic record

Venuenot available
Typearticle
Languagefr
FieldChemical Engineering
TopicOdor and Emission Control Technologies
Canadian institutionsnot available
Fundersnot available
KeywordsExpeditingEcodesignProduction system (computer science)
DOInot available

Abstract

fetched live from OpenAlex

L’une des recommandations de la Consultation publique sur le développement durable de la production porcine au Québec tenue en 2002-2003 était de développer des nouveaux types de gestion du lisier porcin. Ce défi comprend une réduction importante des différentes émissions de gaz et d’odeurs ainsi que la gestion agroenvironnementale du phosphore et de l’azote. La revue de littérature indique clairement que la séparation sous les animaux ainsi que le retrait rapide des déjections des bâtiments d’élevage est une solution performante permettant de relever ce défi. En plus d’atteindre une efficacité de séparation du phosphore de 80 %, le retrait et la séparation rapide des deux phases permettraient de réduire les émissions d’ammoniac, de gaz, de bioaérosols et d’odeurs, ce qui améliorerait de façon notable la qualité de l’air dans les porcheries. Afin de vérifier ce dernier aspect, l’Institut de recherche en agroenvironnement (IRDA) a demandé la collaboration de l’IRSST dont les travaux antérieurs sur la qualité de l’air dans les porcheries ont démontré des risques d’exposition à des contaminants chimiques et à des bioaérosols. Les objectifs de cette activité sont d’évaluer une solution agroenvironnementale au surplus des lisiers et aux émissions de gaz, d’odeurs et de bioaérosols provenant des élevages porcins. Plus spécifiquement, l’objectif principal vise à évaluer et à adapter une approche de gestion des déjections sous les animaux facilitant la manutention, le traitement et la valorisation des phases solides et liquides de façon distincte tout en diminuant les émissions et améliorant ainsi la qualité de l’air. Il s’agit d’un projet mené dans des conditions contrôlées. Les installations font partie du RRAPP (réseau de recherche appliquée en production porcine) de Deschambault, Québec. Elles consistent en douze chambres identiques contenant des animaux dont le poids variera de 0 à 80 Kg. Six types de configuration du système de séparation ont été testés. La détermination de la qualité de l’air, a été en partie sous la responsabilité de l’IRSST. Elle a consisté à prendre, une fois par 2 semaines, pour les 16 semaines d’expérimentation, des mesures de bioaérosols viables (bactéries et moisissures totales et endotoxines) et de H2S. Les prélèvements ont été faits le matin lorsque les animaux étaient nourris dans le but de représenter les pires conditions. La mesure des débits de ventilation, de l’efficacité de séparation, des performances zootechniques et des autres gaz tels le NH3, le CO2, le CH4, et le N2O et des odeurs a été faite par l’IRDA et ses partenaires. Les émissions ont été calculées. Les traitements expérimentaux n’ont pas affecté les performances zootechniques des porcs en engraissement-finition. La séparation des fèces et de l’urine sous les lattes permet de concentrer au moins 80% du phosphore dans la partie solide. Cette séparation n’a aucune influence sur les émissions de CH4, de CO2, de N2O, de H2S et des bioaérosols en comparaison avec le témoin. Elle permet une réduction significative de 49% des émissions de NH3 avec le témoin. Toutefois, sans système de séparation, retirer le lisier à tous les 2 à 3 jours réduit de façon significative les émissions de NH3 d’environ 50% comparativement au témoin. Elle ne permet pas une diminution des émissions d’odeurs et n’a que peu d’impact sur le caractère hédonique, c’est-à-dire le degré d’acceptabilité d’une odeur.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.002
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Bench or experimental · Consensus signal: Bench or experimental
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.385
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.002
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0000.000
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0010.000
Insufficient payload (model declined to judge)0.0000.000

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.

Opus teacher head0.029
GPT teacher head0.287
Teacher spread0.258 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designBench or experimental
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2006
Admission routes1
Has abstractyes

Explore more

Same topicOdor and Emission Control TechnologiesFrench-language works237,207