Réduction des émissions de gaz et d’odeurs en milieu agricole : analyse technologique comparative et évaluation d’efficacité
Bibliographic record
Abstract
Au Québec et ailleurs dans le monde industrialisé, avec l’étalement urbain, la population non agricole s’installe de plus en plus dans les zones rurales à proximité de grandes agglomérations. À cause de ce changement au niveau de la population rurale, les questions de la nuisance olfactive sont devenues l’une des préoccupations des citoyens et les plaintes pour les odeurs liées aux activités agricoles, en particulier, l’épandage de matières organiques fertilisantes (fumier, lisier, purin), se sont multipliées dans certaines municipalités au Québec. L’objectif principal de cet essai est d’analyser les différentes approches juridiques et techniques utilisées pour atténuer les problèmes d’odeurs en milieu agricole dans le monde et en déduire les meilleures. Pour ce faire, une recherche documentaire rigoureuse et exhaustive a permis de brosser le portrait actuel des plaintes concernant les odeurs en milieu agricole, de dresser les caractéristiques des exploitations agricoles génératrices d’odeur, d’identifier les sources et les types d’odeurs qui émanent de ces exploitations agricoles et de déterminer les impacts potentiels sur les populations exposées. Puis, de recenser les approches techniques et juridiques utilisées dans le monde pour réduire les émissions de gaz et d’odeurs en milieu agricole. Ensuite, des entrevues semi-dirigées ont été réalisées avec des experts en gestion d’odeurs afin d’échanger sur les différentes approches techniques de réduction. Il en ressort de l’analyse des différentes approches que le succès de la réduction des émissions de gaz et d’odeurs en milieu agricole réside dans l’utilisation combinée de différentes approches. Enfin, des recommandations suivantes ont été formulées à l’endroit des différentes parties prenantes du milieu agricole: inciter financièrement les fermes d’élevage intensif à investir dans les technologies de réduction des émissions de gaz et d’odeurs, évaluer la possibilité d’un retour aux fermes de production animale de plus petites tailles avec moins de concentration d’animaux, poursuivre les recherches sur les technologies nouvelles de réduction d’émissions de gaz et d’odeurs prometteuses et sensibiliser les citadins nouvellement installés en milieu rural à une cohabitation harmonieuse avec les producteurs agricoles.
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 | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".