Portrait des procédés de traitement d’extraction minière primaire et leur impact sur l’environnement, dans une perspective d’économie circulaire
Bibliographic record
Abstract
Le Québec possède une grande diversité de ressources minérales, notamment l’or, le fer, le nickel, le cuivre, et le zinc. L’importance de cette industrie d’un point de vue économique et social n’est plus à démontrer. En effet, la livraison minérale dans cette province a considérablement augmenté pendant la dernière décennie, générant des retombées d’environ 11 914 330 M$ en 2019. Cette dernière étant la donnée la plus actuelle au Québec. En raison de cette forte part à l’évolution de la province, elle ne peut être négligée. Par ailleurs, elle fait également partie des secteurs les plus polluants et destructeurs de l’environnement en raison du type d’extraction d’une part, de la quantité massive de résidus issus de l’extraction d’autre part, et enfin, de la multitude des combinaisons de prétraitement et de traitement nécessaires à l’obtention du minerai de valeur pur. Il est à noter que ces procédés sont choisis en fonctions des propriétés du minerai. Ils se veulent physiques, chimiques ou physicochimiques. Ainsi, les effets sur l’air (émissions de polluants, particules, GES), le sol (contaminations, érosion), l’eau (de surface et souterraine), la faune et la flore, et tout autre (impact sonore, visuel) sont observables et quantifiables en grande proportion, ceci bien au-delà de la vie opérationnelle de la mine. C’est dans ce cadre que s’inscrit cette production de fin d’études. Elle a pour objectif principal d’identifier les procédés de préparation mécanique des minerais métalliques de moindre impact environnemental dans une perspective d’économie circulaire au Québec. Elle aborde les généralités sur l’extraction minière au Québec, le cadre législatif qui encadre cette exploitation et les résidus qui en découlent. Une analyse des procédés de prétraitement suivie d’une quantification des impacts est réalisée au moyen d’outils d’analyse multicritère pour déceler les impacts probables de l’utilisation de ces procédés sur l’air, l’eau et le sol. La gestion des résidus n’est pas en reste. L’ensemble des pratiques de gestion des résidus issus de ces procédés est également étudié, intégrant les stratégies d’économie circulaires et les innovations ayant pour but de réduire la dépendance à des ressources primaires et de réduire le résidu ou de le valoriser. La production est complétée par une étude de cas sur l’industrie du fer au Québec. Elle est suivie par l’étude des combinaisons optimales de procédés de prétraitement vivant à réduire l’empreinte environnementale de l’industrie. La formulation des recommandations vient achever la réflexion menée.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.002 |
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".