Traitement passif du drainage minier à faible température et forte salinité
Bibliographic record
Abstract
Les réacteurs passifs biochimiques (RPB) représentent une technologie efficace et prometteuse pour le traitement du drainage minier (DM) dans les climats tempérés et/ou semi-arides. Néanmoins, la performance de tels systèmes est peu connue en climats nordiques, caractérisés par de faibles températures (< 5ºC) et, souvent, par des salinités élevées (jusqu’à 25 g/L), en plus d’une qualité très variable du DM. Ce projet de doctorat consiste en une étude approfondie de l’efficacité des RPB dans de tels climats. Il vise à évaluer l’influence simultanée de la faible température et de la forte salinité sur l’enlèvement des métaux et des sulfates. Selon la qualité du DM, les mécanismes d’enlèvement peuvent différer. Le traitement du drainage minier acide (DMA) repose sur l’augmentation du pH et la précipitation/co-précipitation des métaux et des métalloïdes, tandis que pour le drainage minier neutre (DMN), la sorption est le principal mécanisme d’enlèvement des métaux et des métalloïdes. Les sulfates sont enlevés, dans le DMA et le DMN, par les même processus, et ce par précipitation, réduction et/ou sorption. \nDans ce contexte, les principaux objectifs de la thèse sont les suivants : (1) l’évaluation de l’efficacité de plusieurs mélanges réactifs pour le traitement du DM par un RPB à basse température et à forte salinité; (2) l’évaluation de la performance et de la stabilité des RPB en fonction de la qualité du DM à traiter et dans les conditions opératoires imposées (température, salinité et temps de rétention hydraulique (TRH)); et (3) la prédiction de l’influence du climat sur l’efficacité à long terme du traitement passif du DM. Afin d’atteindre ces objectifs, l’approche méthodologique utilisée consistait à effectuer des essais de laboratoire (en mode batch, sans écoulement, et en mode continu, avec écoulement) puis à réaliser une simulation numérique pour prédire le comportement du système à long terme. Le modèle utilisé dans cette étude est MIN3P. \nDans la première partie du projet, des essais en mode batch ont été réalisés afin d’évaluer la performance du système en mode discontinu et l’effet simultané de la faible température et de la forte salinité. Ces essais visaient à évaluer les performances de plusieurs compositions de mélanges réactifs afin de mieux s’approcher de la meilleure composition à utiliser ensuite en mode continu. Dans ce contexte, 20 réacteurs ont été utilisés et trois mélanges ont été testés pour chaque qualité de DM (DMN ou DMA). Les essais ont été réalisés durant 57 jours, à deux températures (5 et 22°C) et deux salinités (0 et 25 g/L). Les résultats ont montré que les mélanges qui permettent un meilleur traitement du DMN et du DMA contenaient au moins 30% de \nmatières cellulosiques. Ces mélanges, qui étaient composés (en % de masse sèche) de boues (2%), de cendres (2-10%), de copeaux et sciures de bois (33%) et de sable (66-58%), ont été sélectionnés pour leur meilleure efficacité. En effet, > 87% d’enlèvement des métaux (Fe, Ni et Cu) et 100% d’enlèvement des sulfates ont été trouvés à 22°C pour le DM (acide ou neutre) non salin. Cependant, suite à une augmentation de la salinité de 0 à 25 g/L, une diminution de l’efficacité à < 9% et < 5% pour l’enlèvement des métaux dans le DMN et le DMA, respectivement, a été trouvée. Pour les sulfates, une diminution d’enlèvement de plus de 54% a été trouvée pour le DMA. Contrairement à la salinité, la faible température a affecté l’enlèvement des sulfates (diminution de 93%). L'effet simultané des deux paramètres (faible température et forte salinité) a réduit davantage les performances du système de traitement et a été plus prononcé pour le DMA. \nPour la suite du projet, des essais en colonnes ont été réalisés afin de confirmer les résultats obtenus lors des essais en batch, et de statuer ainsi sur l'évolution de la conductivité hydraulique en fonction du TRH et de la qualité du DM à traiter. Pour ce faire, 8 colonnes de 11 L ont été installées (4 pour chaque type de DM) et évaluées pendant 8 mois. Les trois premiers mois les essais ont été réalisés à température ambiante puis ensuite à 5°C. Deux TRH ont également été testés pour chaque type de DM (0,5 et 1 jour, pour le DMN, et 2,5 et 5 jours, pour le DMA). Les résultats obtenus ont montré une meilleure efficacité avec les TRH les plus élevés (1 et 5 jours). À température ambiante, l'enlèvement des métaux et des sulfates a été supérieur pour le DMN et DMA non salin. Cependant, à faible température, l'efficacité de traitement a diminué pour les deux qualités (DMN et DMA) surtout pour l’enlèvement du Ni. L'effet simultané de la faible température et de la forte salinité a réduit davantage les performances du RPB. Bien que les TRH les plus élevés présentent de meilleures efficacités de traitement, les résultats ont montré qu’ils pouvaient être à l’origine d’une diminution de la conductivité hydraulique du mélange réactif, entraînant ainsi une réduction du traitement des RPB à long terme. \nLa dernière partie de cette thèse a été consacrée à la modélisation, qui pourrait permettre de mieux comprendre les mécanismes d’enlèvement des métaux et des sulfates et de prédire l’efficacité du système à long terme (plus de 3 ans). Une simulation numérique a été effectuée en utilisant le code MIN3P et dont l’objectif était de reproduire les résultats obtenus lors des essais en colonnes pour le traitement du DMA et du DMN et de prédire l’évolution de leur l’efficacité à long terme. Les résultats de la modélisation ont montré de manière générale une forte \nconcordance avec les résultats expérimentaux. Ils ont également permis de déduire que le système utilisé peut être efficace à plus long terme (730 jours) surtout lors de l’enlèvement des métaux à partir du DMN. \nLe présent projet a contribué à approfondir les connaissances quant à l’effet simultané des faibles températures et des fortes salinités sur l’efficacité des RPB en climat nordique. De plus, les modélisations ont permis d’anticiper la longévité du système de traitement et de mieux comprendre les mécanismes impliqués pour l’enlèvement des métaux et des sulfates. Enfin, les connaissances acquises et l’approche méthodologique de cette étude pourraient permettre leur application sur d’autres sites miniers sous d’autres conditions climatiques.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".