FR3120707A1 - METHOD FOR ESTIMATING THE CONTENT OF PESTICIDES OR METABOLITES OF PESTICIDES IN WATER TO BE DRINKABLE - Google Patents
METHOD FOR ESTIMATING THE CONTENT OF PESTICIDES OR METABOLITES OF PESTICIDES IN WATER TO BE DRINKABLE Download PDFInfo
- Publication number
- FR3120707A1 FR3120707A1 FR2102342A FR2102342A FR3120707A1 FR 3120707 A1 FR3120707 A1 FR 3120707A1 FR 2102342 A FR2102342 A FR 2102342A FR 2102342 A FR2102342 A FR 2102342A FR 3120707 A1 FR3120707 A1 FR 3120707A1
- Authority
- FR
- France
- Prior art keywords
- content
- pesticides
- metabolites
- pesticide
- esa
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000000575 pesticide Substances 0.000 title claims abstract description 162
- 239000002207 metabolite Substances 0.000 title claims abstract description 101
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 64
- 229910002651 NO3 Inorganic materials 0.000 claims abstract description 25
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 claims abstract description 25
- 230000008569 process Effects 0.000 claims abstract description 9
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 66
- 238000011282 treatment Methods 0.000 claims description 40
- 238000010790 dilution Methods 0.000 claims description 15
- 239000012895 dilution Substances 0.000 claims description 15
- 239000013598 vector Substances 0.000 claims description 14
- 150000002823 nitrates Chemical class 0.000 claims description 13
- 238000002156 mixing Methods 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 11
- CIGKZVUEZXGYSV-UHFFFAOYSA-N 2-[(2-ethyl-6-methylphenyl)(1-methoxypropan-2-yl)amino]-2-oxoethanesulfonic acid Chemical compound CCC1=CC=CC(C)=C1N(C(C)COC)C(=O)CS(O)(=O)=O CIGKZVUEZXGYSV-UHFFFAOYSA-N 0.000 claims description 8
- SZCMHDLOUVZYST-UHFFFAOYSA-N flufenacet ESA Chemical compound OS(=O)(=O)CC(=O)N(C(C)C)C1=CC=C(F)C=C1 SZCMHDLOUVZYST-UHFFFAOYSA-N 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- MUBZPKHOEPUJKR-UHFFFAOYSA-N Oxalic acid Chemical compound OC(=O)C(O)=O MUBZPKHOEPUJKR-UHFFFAOYSA-N 0.000 description 113
- 235000006408 oxalic acid Nutrition 0.000 description 33
- 239000013543 active substance Substances 0.000 description 9
- 230000009467 reduction Effects 0.000 description 9
- VXIVSQZSERGHQP-UHFFFAOYSA-N chloroacetamide Chemical compound NC(=O)CCl VXIVSQZSERGHQP-UHFFFAOYSA-N 0.000 description 8
- MHCYOELBTPOBIU-UHFFFAOYSA-N alachlor OXA Chemical compound CCC1=CC=CC(CC)=C1N(COC)C(=O)C(O)=O MHCYOELBTPOBIU-UHFFFAOYSA-N 0.000 description 6
- 239000003651 drinking water Substances 0.000 description 6
- 235000020188 drinking water Nutrition 0.000 description 6
- LNOOSYCKMKZOJB-UHFFFAOYSA-N [(2-ethyl-6-methylphenyl)(1-methoxypropan-2-yl)amino](oxo)acetic acid Chemical compound CCC1=CC=CC(C)=C1N(C(C)COC)C(=O)C(O)=O LNOOSYCKMKZOJB-UHFFFAOYSA-N 0.000 description 5
- HXAIQOCRALNGKB-UHFFFAOYSA-N acetochlor ESA Chemical compound CCOCN(C(=O)CS(O)(=O)=O)C1=C(C)C=CC=C1CC HXAIQOCRALNGKB-UHFFFAOYSA-N 0.000 description 5
- OTKTUNJJKYTOFF-UHFFFAOYSA-N acetochlor OXA Chemical compound CCOCN(C(=O)C(O)=O)C1=C(C)C=CC=C1CC OTKTUNJJKYTOFF-UHFFFAOYSA-N 0.000 description 5
- UTCJUUGCHWHUNI-UHFFFAOYSA-N alachlor ESA Chemical compound CCC1=CC=CC(CC)=C1N(COC)C(=O)CS(O)(=O)=O UTCJUUGCHWHUNI-UHFFFAOYSA-N 0.000 description 5
- 230000036541 health Effects 0.000 description 5
- IPVCSECPEVHQOV-UHFFFAOYSA-N metazachlor ESA Chemical compound CC1=CC=CC(C)=C1N(C(=O)CS(O)(=O)=O)CN1N=CC=C1 IPVCSECPEVHQOV-UHFFFAOYSA-N 0.000 description 5
- PHMHHVKFXZNTKU-UHFFFAOYSA-N metazachlor OXA Chemical compound CC1=CC=CC(C)=C1N(C(=O)C(O)=O)CN1N=CC=C1 PHMHHVKFXZNTKU-UHFFFAOYSA-N 0.000 description 5
- FFKNXXCOXIZLJD-UHFFFAOYSA-N flufenacet OXA Chemical compound OC(=O)C(=O)N(C(C)C)C1=CC=C(F)C=C1 FFKNXXCOXIZLJD-UHFFFAOYSA-N 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000001556 precipitation Methods 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- 238000011144 upstream manufacturing Methods 0.000 description 4
- WVQBLGZPHOPPFO-UHFFFAOYSA-N 2-chloro-N-(2-ethyl-6-methylphenyl)-N-(1-methoxypropan-2-yl)acetamide Chemical compound CCC1=CC=CC(C)=C1N(C(C)COC)C(=O)CCl WVQBLGZPHOPPFO-UHFFFAOYSA-N 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 3
- 230000035508 accumulation Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 3
- XCSGPAVHZFQHGE-UHFFFAOYSA-N alachlor Chemical compound CCC1=CC=CC(CC)=C1N(COC)C(=O)CCl XCSGPAVHZFQHGE-UHFFFAOYSA-N 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 239000003673 groundwater Substances 0.000 description 3
- 239000004009 herbicide Substances 0.000 description 3
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 239000002352 surface water Substances 0.000 description 3
- KBPLFHHGFOOTCA-UHFFFAOYSA-N 1-Octanol Chemical compound CCCCCCCCO KBPLFHHGFOOTCA-UHFFFAOYSA-N 0.000 description 2
- 239000005580 Metazachlor Substances 0.000 description 2
- 239000002253 acid Substances 0.000 description 2
- 150000007513 acids Chemical class 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000005352 clarification Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000002363 herbicidal effect Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000002386 leaching Methods 0.000 description 2
- STEPQTYSZVCJPV-UHFFFAOYSA-N metazachlor Chemical compound CC1=CC=CC(C)=C1N(C(=O)CCl)CN1N=CC=C1 STEPQTYSZVCJPV-UHFFFAOYSA-N 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 150000002913 oxalic acids Chemical class 0.000 description 2
- 239000004476 plant protection product Substances 0.000 description 2
- 238000002203 pretreatment Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- WOXWIWNBIJDJHI-JTQLQIEISA-N (2S)-2-(2-ethyl-6-methyl-N-(2-sulfoacetyl)anilino)propanoic acid Chemical compound CCC1=CC=CC(C)=C1N([C@@H](C)C(O)=O)C(=O)CS(O)(=O)=O WOXWIWNBIJDJHI-JTQLQIEISA-N 0.000 description 1
- WVQBLGZPHOPPFO-LBPRGKRZSA-N (S)-metolachlor Chemical compound CCC1=CC=CC(C)=C1N([C@@H](C)COC)C(=O)CCl WVQBLGZPHOPPFO-LBPRGKRZSA-N 0.000 description 1
- VTNQPKFIQCLBDU-UHFFFAOYSA-N Acetochlor Chemical compound CCOCN(C(=O)CCl)C1=C(C)C=CC=C1CC VTNQPKFIQCLBDU-UHFFFAOYSA-N 0.000 description 1
- 235000016068 Berberis vulgaris Nutrition 0.000 description 1
- 241000335053 Beta vulgaris Species 0.000 description 1
- 239000005531 Flufenacet Substances 0.000 description 1
- 235000010469 Glycine max Nutrition 0.000 description 1
- 244000020551 Helianthus annuus Species 0.000 description 1
- 235000003222 Helianthus annuus Nutrition 0.000 description 1
- 239000005617 S-Metolachlor Substances 0.000 description 1
- 240000006394 Sorghum bicolor Species 0.000 description 1
- 235000011684 Sorghum saccharatum Nutrition 0.000 description 1
- 244000062793 Sorghum vulgare Species 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000003115 biocidal effect Effects 0.000 description 1
- 239000003139 biocide Substances 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000004737 colorimetric analysis Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 244000037666 field crops Species 0.000 description 1
- IANUJLZYFUDJIH-UHFFFAOYSA-N flufenacet Chemical compound C=1C=C(F)C=CC=1N(C(C)C)C(=O)COC1=NN=C(C(F)(F)F)S1 IANUJLZYFUDJIH-UHFFFAOYSA-N 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 239000000417 fungicide Substances 0.000 description 1
- 238000004817 gas chromatography Methods 0.000 description 1
- 238000003898 horticulture Methods 0.000 description 1
- 239000002917 insecticide Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004811 liquid chromatography Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 235000019713 millet Nutrition 0.000 description 1
- 230000000590 parasiticidal effect Effects 0.000 description 1
- 239000002297 parasiticide Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000002453 shampoo Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- BDHFUVZGWQCTTF-UHFFFAOYSA-N sulfonic acid Chemical compound OS(=O)=O BDHFUVZGWQCTTF-UHFFFAOYSA-N 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000004885 tandem mass spectrometry Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
- G01N33/1826—Organic contamination in water
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
- G01N33/1826—Organic contamination in water
- G01N33/184—Herbicides, pesticides, fungicides, insecticides or the like
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
PROCEDE D’ESTIMATION DE LA TENEUR EN pesticides ou métabolites de pesticides DANS DES EAUX A POTABILISER Un procédé d’estimation de la teneur en pesticides ou métabolites de pesticides tels que les métabolites ESA et OXA de chloroacétamides, dans des eaux à potabiliser est décrite. Le procédé comprend l’obtention d’une teneur en nitrates suivi du calcul de la teneur en pesticides ou métabolites de pesticides à partir de la teneur obtenue en nitrate. Figure pour l’abrégé : Fig. 2METHOD FOR ESTIMATING THE CONTENT OF PESTICIDES OR METABOLITES OF PESTICIDES IN WATER TO BE DRINKED A process for estimating the content of pesticides or metabolites of pesticides such as the ESA and OXA metabolites of chloroacetamides, in water to be made drinkable is described. The method includes obtaining a nitrate content followed by calculating the pesticide or pesticide metabolite content from the obtained nitrate content. Figure for abstract: Fig. 2
Description
DOMAINE DE L'INVENTIONFIELD OF THE INVENTION
La présente invention concerne le domaine du traitement des eaux destinées à la consommation humaine. En particulier, la présente invention concerne un procédé d’estimation de la teneur en pesticides ou métabolites de pesticides, tels que les acides sulfoniques et/ou les acides oxaliques issus des substances actives de la famille des chloroacétamides, dans des eaux à potabiliser.The present invention relates to the field of the treatment of water intended for human consumption. In particular, the present invention relates to a method for estimating the content of pesticides or pesticide metabolites, such as sulphonic acids and/or oxalic acids from active substances of the chloroacetamide family, in water to be made drinkable.
ARRIERE PLAN DE L'INVENTIONBACKGROUND OF THE INVENTION
Le S-métolachlore, l’alachlore, le métazachlore, l’acétochlore et le flufénacet sont des substances actives herbicides de la famille des chloroacétamides. A l’exception de l’alachlore interdit à la mise sur le marché de l’Union européenne depuis quelques années, elles entrent dans la composition de nombreux herbicides, seules ou en combinaison avec d’autres substances actives. Ces substances actives sont tout particulièrement employées pour désherber les grandes cultures (maïs, tournesol, soja, betterave, sorgho, millet…) en prélevée ou en post-levée précoce des adventices. Ainsi, la période d’application de ces substances actives s’étend typiquement de mars à juin.S-metolachlor, alachlor, metazachlor, acetochlor and flufenacet are herbicidal active substances of the chloroacetamide family. With the exception of alachlor, which has been banned from the European Union market for several years, they are used in the composition of many herbicides, alone or in combination with other active substances. These active substances are particularly used to weed field crops (corn, sunflower, soy, beet, sorghum, millet, etc.) in pre-emergence or early post-emergence of weeds. Thus, the period of application of these active substances typically extends from March to June.
Ces substances actives se dégradent rapidement dans les sols par voie biologique pour donner des métabolites notamment sous forme d’acide sulfonique (ESA) ou d’acide oxalique (OXA) qui peuvent s’avérer plus stables que les molécules mères dont ils sont issus. Ainsi, l'alachlore ESA, l'alachlore OXA, l'acétochlore ESA, l'acétochlore OXA, le métazachlore ESA, le métazachlore OXA, le métolachlore ESA et le métolachlore OXA, le flufénacet ESA et le flufénacet OXA, désignés collectivement métabolites ESA/OXA, sont des métabolites régulièrement retrouvés dans les eaux superficielles mais aussi dans les eaux souterraines. Leur teneur dans les eaux à potabiliser peut dépendre de nombreux facteurs, tels que la quantité et l’intensité des précipitations, la date de leur survenue après le traitement herbicide, la nature et la structure du sol, les caractéristiques de chaque molécule (adsorbabilité, polarité, coefficient de partage octanol/eau, solubilité, potentiel de lixiviation…).These active substances degrade rapidly in soils by biological means to give metabolites, in particular in the form of sulphonic acid (ESA) or oxalic acid (OXA), which may prove to be more stable than the parent molecules from which they are derived. Thus, alachlor ESA, alachlor OXA, acetochlor ESA, acetochlor OXA, metazachlor ESA, metazachlor OXA, metolachlor ESA and metolachlor OXA, flufenacet ESA and flufenacet OXA, collectively referred to as ESA metabolites /OXA, are metabolites regularly found in surface water but also in groundwater. Their content in water to be made drinkable may depend on many factors, such as the quantity and intensity of precipitation, the date of its occurrence after herbicide treatment, the nature and structure of the soil, the characteristics of each molecule (adsorbability, polarity, octanol/water partition coefficient, solubility, leaching potential, etc.).
L’Agence nationale de sécurité sanitaire de l’alimentation, de l’environnement et du travail (Anses) a défini une méthode d’évaluation de la pertinence des métabolites de pesticides dans les eaux destinées à la consommation humaine. Cette évaluation porte sur la pertinence au regard du risque sanitaire éventuel après ingestion d’eau pour le consommateur. Ainsi un métabolite est dit pertinent « s’il y a lieu de considérer qu’il pourrait engendrer (lui-même ou ses produits de transformation) un risque sanitaire inacceptable pour le consommateur » et des limites de qualité sont fixées en conséquence. Selon les derniers avis émis par l’Anses, l’alachlore OXA, le métolachlore ESA, le métolachlore NOA 413173 et le flufénacet ESA sont classés comme métabolites pertinents et fixent ainsi leur limite de qualité à 0,1 µg/L par substance individuelle dans les eaux destinées à la consommation humaine. Cette liste de métabolites pertinents est remise à jour régulièrement par l’Anses aux travers de la publication de nouveaux avis.The National Agency for Food, Environmental and Occupational Health and Safety (ANSES) has defined a method for assessing the relevance of pesticide metabolites in water intended for human consumption. This evaluation concerns the relevance with regard to the possible health risk after ingestion of water for the consumer. Thus, a metabolite is said to be relevant “if there is reason to consider that it could cause (itself or its transformation products) an unacceptable health risk for the consumer” and quality limits are set accordingly. According to the latest opinions issued by ANSES, alachlor OXA, metolachlor ESA, metolachlor NOA 413173 and flufenacet ESA are classified as relevant metabolites and thus set their quality limit at 0.1 µg/L per individual substance in water intended for human consumption. This list of relevant metabolites is updated regularly by ANSES through the publication of new opinions.
Ces métabolites sont très faiblement adsorbés dans les sols et sont donc très mobiles. Ils possèdent ainsi un fort potentiel de lixiviation. La présence des métabolites ESA/OXA, et de métabolites de pesticides de manière générale, dans les eaux à potabiliser est devenue une problématique majeure dans la production d’eau potable.These metabolites are very weakly adsorbed in soils and are therefore very mobile. They therefore have a high leaching potential. The presence of ESA/OXA metabolites, and pesticide metabolites in general, in drinking water has become a major problem in the production of drinking water.
Ces métabolites, de par leur caractère hydrophile, très soluble et polaire, sont généralement moins facilement éliminables par les traitements classiques utilisés pour la production d’eau potable que les substances actives dont ils sont issus. Les traitements à base de charbon actif sous toutes ses formes, poudre (CAP), grain (CAG), et selon toutes les mises en œuvre existantes (injection de CAP en clarification, filtration sur CAG, traitements de finition (ou affinage) avec les réacteurs à CAP ou CAG sont des techniques permettant de les éliminer ou du moins de limiter leur teneur dans les Eaux Destinées à la Consommation Humaine (EDCH). Un dosage ou taux de renouvellement de charbon adapté à la quantité de pollution quantifiée ou des renouvellements du CAG des filtres optimisés sont nécessaires pour un traitement efficace de ces métabolites dans le temps. Sur certaines installations, plusieurs ressources en eau, contenant des teneurs en métabolites différentes, sont disponibles et peuvent permettre un mélange d’eau afin de limiter la teneur en métabolites dans les eaux à potabiliser. Le taux de dilution nécessaire ou les pourcentages de mélange est/sont à définir en fonction des teneurs en métabolites de chacune des ressources.These metabolites, due to their hydrophilic, highly soluble and polar nature, are generally less easily eliminated by conventional treatments used for the production of drinking water than the active substances from which they are derived. Treatments based on activated carbon in all its forms, powder (CAP), grain (CAG), and according to all existing implementations (injection of PAC in clarification, filtration on CAG, finishing treatments (or refining) with CAP or GAC reactors are techniques for eliminating them or at least limiting their content in Water Intended for Human Consumption (EDCH) A dosage or renewal rate of coal adapted to the quantity of quantified pollution or renewals of the GAC optimized filters are necessary for effective treatment of these metabolites over time.In some installations, several water resources, containing different metabolite contents, are available and can allow mixing of water in order to limit the metabolite content. in water to be made drinkable.The necessary dilution rate or the percentages of mixture is/are to be defined according to the contents of metabolites of each of the resources. race.
Des suivis réguliers, au mieux mensuels ou bimensuels, des teneurs en métabolites ESA/OXA sur des installations industrielles ont permis d’établir les variations saisonnières des teneurs en métabolites ESA/OXA dans les eaux à potabiliser. Cependant, les variations des concentrations en métabolites (augmentation, diminution, teneur minimale, teneur maximale) varient d’une année à l’autre et sont la conséquence de multi facteurs, tels que les pratiques agricoles, la météorologie, l’hydrologie, etc.Regular monitoring, monthly or fortnightly at best, of ESA/OXA metabolite levels in industrial facilities has made it possible to establish seasonal variations in ESA/OXA metabolite levels in water to be made drinkable. However, variations in metabolite concentrations (increase, decrease, minimum content, maximum content) vary from year to year and are the consequence of multiple factors, such as agricultural practices, meteorology, hydrology, etc. .
La connaissance qualitative de l’évolution saisonnière des métabolites ESA/OXA permet de modifier les conditions d’exploitation des traitements unitaires à base de charbon actif. En revanche, sans connaissance précise des teneurs en métabolites ESA/OXA, elle ne permet pas de garantir l’efficacité et les performances des traitements pour le respect des normes sanitaires sur l’eau traitée avant distribution. Effectivement, sans quantification, il est impossible de savoir si le charbon actif est sous ou sur dosé ou encore de connaître l’efficacité à court, moyen ou long terme du renouvellement préventif des filtres à charbon actif en grain avant atteinte d’une fuite en pesticides ou métabolites ne respectant pas les normes sanitaires. Les matériels et méthodes analytiques actuels ne permettent pas de quantifier ces métabolites en temps réel. Seules des analyses pouvant s’avérer coûteuses réalisées post-traitement permettent de déterminer les rendements d’abattement obtenus et d’optimiser la quantité de charbon actif (CAP, CAG) à employer et/ou les renouvellements des filtres à CAG et/ou les facteurs de dilution à mettre en œuvre. Cependant, le retour des bilans analytiques peut être très long (plusieurs semaines à un mois) rendant difficile un suivi d’exploitation optimisé. Dans un souci de respect des limites de qualité fixées par les normes en vigueur et d’optimisation des coûts de traitement des eaux à potabiliser, il importe de contrôler au mieux la dose de charbon actif (CAP, CAG) employé et/ou les renouvellements des filtres à CAG et/ou les facteurs de dilution à mettre en œuvre.Qualitative knowledge of the seasonal evolution of ESA/OXA metabolites makes it possible to modify the operating conditions of unit treatments based on activated carbon. On the other hand, without precise knowledge of the ESA/OXA metabolite contents, it does not make it possible to guarantee the effectiveness and performance of the treatments for compliance with health standards on treated water before distribution. Indeed, without quantification, it is impossible to know if the activated carbon is under or over dosed or even to know the short, medium or long term effectiveness of the preventive renewal of granular activated carbon filters before a leak in pesticides or metabolites that do not meet health standards. Current analytical materials and methods do not allow these metabolites to be quantified in real time. Only post-treatment analyzes which can prove to be costly make it possible to determine the abatement yields obtained and to optimize the quantity of activated carbon (CAP, GAC) to be used and/or the renewal of the GAC filters and/or the dilution factors to be implemented. However, the return of the analytical reports can be very long (several weeks to a month) making it difficult to optimize operational monitoring. In order to respect the quality limits set by the standards in force and to optimize the costs of treating water to be made drinkable, it is important to control as well as possible the dose of activated carbon (CAP, CAG) used and/or renewals. GAC filters and/or the dilution factors to be implemented.
Ainsi, un besoin demeure pour la mise à disposition d’un procédé simple, rapide et peu onéreux permettant d’estimer la concentration en métabolites ESA/OXA dans les eaux à potabiliser, ce procédé permettantin finede déterminer en temps réel les conditions d’exploitation optimales nécessaires à l’atteinte d’un taux d’abattement en métabolites ESA/OXA de manière à produire des eaux potables répondant aux limites de qualité fixées par les normes en vigueur.Thus, a need remains for the provision of a simple, rapid and inexpensive process making it possible to estimate the concentration of ESA/OXA metabolites in the water to be made drinkable, this process ultimately making it possible to determine in real time the conditions of operations necessary to achieve a reduction rate in ESA/OXA metabolites so as to produce drinking water that meets the quality limits set by the standards in force.
BREVE DESCRIPTION DE L'INVENTIONBRIEF DESCRIPTION OF THE INVENTION
Selon un premier aspect, l’invention concerne un procédé d’estimation de la teneur en pesticides ou métabolites de pesticides dans une ressource en eau à potabiliser comprenant la mise en œuvre par des moyens de traitement de données d’un client des étapes suivantes :According to a first aspect, the invention relates to a method for estimating the content of pesticides or pesticide metabolites in a water resource to be made drinkable comprising the implementation by data processing means of a client of the following steps:
(a) obtention d’une teneur en nitrates de l’eau à potabiliser de ladite ressource ;(a) obtaining a nitrate content of the water to be made drinkable from said resource;
(b) calcul de la teneur estimée en pesticides ou métabolites de pesticides par application d’un modèle de prédiction à au moins la teneur en nitrates obtenue.(b) calculation of the estimated content of pesticides or pesticide metabolites by applying a prediction model to at least the nitrate content obtained.
Selon des caractéristiques avantageuses et non-limitatives :According to advantageous and non-limiting characteristics:
La teneur en pesticides ou métabolites de pesticides est la teneur en métabolites ESA/OXA.The pesticide or pesticide metabolite content is the ESA/OXA metabolite content.
La teneur en métabolites ESA/OXA comprend la teneur en métolachlore ESA et/ou en flufénacet ESA.The ESA/OXA metabolite content includes the metolachlor ESA and/or flufenacet ESA content.
La teneur en métabolites ESA/OXA est la teneur totale en différents métabolites ESA/OXA de chloroacétamides.The content of ESA/OXA metabolites is the total content of different ESA/OXA metabolites of chloroacetamides.
Ledit modèle de prédiction prend en entrée un vecteur de paramètres descriptifs de ladite ressource en eau à potabiliser comprenant au moins la teneur en nitrates obtenue.Said prediction model takes as input a vector of descriptive parameters of said water resource to be made drinkable comprising at least the nitrate content obtained.
Ledit vecteur de paramètres descriptifs de ladite ressource en eau à potabiliser comprend en outre au moins un paramètre de pluviométrie, de température et/ou de débits de la ressource.Said vector of parameters descriptive of said water resource to be made drinkable further comprises at least one parameter of rainfall, temperature and/or flow rates of the resource.
Le procédé comprend une étape (a0) d’apprentissage, par des moyens de traitement de données d’un serveur, des paramètres dudit modèle de prédiction à partir d’une base d’apprentissage de couples d’une teneur en nitrates de l’eau à potabiliser d’une ressource et d’une valeur de référence de ladite teneur en pesticides ou métabolites de pesticides de cette ressource.The method comprises a step (a0) of learning, by data processing means of a server, the parameters of said prediction model from a learning base of pairs of a nitrate content of the water to be made drinkable from a resource and a reference value of said content of pesticides or pesticide metabolites of this resource.
L’étape (a0) comprend la construction de la base d’apprentissage de la manière suivante :Step (a0) includes building the learning base as follows:
(i) prélèvement de plusieurs échantillons d’eau à potabiliser ;(i) collection of several samples of water to be made drinkable;
(ii) mesure au moins de la teneur en nitrates et en pesticides ou métabolites de pesticides dans lesdits échantillons.(ii) measurement at least of the content of nitrates and pesticides or pesticide metabolites in the said samples.
L’étape (b) comprend la sélection d’un modèle de prédiction parmi plusieurs modèles de prédiction possibles, en fonction de la ressource en eau, le modèle appliqué étant ledit modèle sélectionné.Step (b) comprises the selection of a prediction model from among several possible prediction models, depending on the water resource, the model applied being said selected model.
L’étape (a) comprend la mesure en ligne de la teneur en nitrates réalisée au moyen d’un analyseur.Step (a) includes the online measurement of the nitrate content carried out by means of an analyzer.
L’eau à potabiliser est une eau brute.The water to be made drinkable is raw water.
Selon un deuxième aspect, l’invention concerne une utilisation du procédé d’estimation de la teneur en pesticides ou métabolites de pesticides dans une ressource en eau à potabiliser telle que définie selon le premier aspect pour optimiser le traitement des pesticides ou métabolites de pesticides dans les eaux à potabiliser, de préférence au moyen de charbon actif.According to a second aspect, the invention relates to a use of the method for estimating the content of pesticides or pesticide metabolites in a water resource to be made drinkable as defined according to the first aspect to optimize the treatment of pesticides or pesticide metabolites in water to be made drinkable, preferably by means of activated carbon.
Selon un troisième aspect, l’invention concerne un procédé de traitement des pesticides ou métabolites de pesticides dans une ressource en eau à potabiliser au moyen d’au moins une technique de traitement comprenant les étapes suivantes :According to a third aspect, the invention relates to a method for treating pesticides or pesticide metabolites in a water resource to be made drinkable by means of at least one treatment technique comprising the following steps:
(A) mise en œuvre du procédé d’estimation de la teneur en pesticides ou métabolites de pesticides dans ladite ressource en eau à potabiliser selon le premier aspect ;(A) implementation of the method for estimating the content of pesticides or pesticide metabolites in said water resource to be made drinkable according to the first aspect;
(B) régulation de ladite technique de traitement en fonction de la teneur estimée en pesticides ou métabolites de pesticides.(B) regulating said treatment technique according to the estimated content of pesticides or pesticide metabolites.
Selon des caractéristiques avantageuses et non limitatives :According to advantageous and non-limiting characteristics:
Ladite technique de traitement est au charbon actif, et une dose en charbon actif (CAP ou CAG) et/ou un renouvellement de filtres CAG est régulé à l’étape (B).Said treatment technique uses activated carbon, and a dose of activated carbon (CAP or CAG) and/or renewal of CAG filters is regulated in step (B).
Ladite technique de traitement est la dilution et un taux de mélange est régulé à l’étape (B).Said processing technique is dilution and a mixing rate is regulated in step (B).
D’autres caractéristiques et avantages de la présente invention apparaîtront à la lecture de la description qui va suivre d’un mode de réalisation préférentiel. Cette description sera donnée en référence aux dessins annexés dans lesquels :Other characteristics and advantages of the present invention will appear on reading the following description of a preferred embodiment. This description will be given with reference to the appended drawings in which:
- [Fig. 1] La figure 1 est un schéma d’une architecture pour la mise en œuvre des procédés selon l’invention ;[Fig. 1] Figure 1 is a diagram of an architecture for implementing the methods according to the invention;
- [Fig. 2] La figure 2 illustre les étapes d’un mode de réalisation préféré des procédés selon l’invention.[Fig. 2] Figure 2 illustrates the steps of a preferred embodiment of the methods according to the invention.
DEFINITIONSDEFINITIONS
L’expression « eau à potabiliser » telle qu’employée dans la présente invention désigne l’eau qui alimente un dispositif ou une usine de production d’eau potable. Il s’agit de l’eau captée, puisée ou recueillie qui est acheminée vers une usine de traitement, afin de recevoir les traitements la rendant propre à la consommation humaine.
Le présent procédé permet d’estimer la teneur en pesticides ou métabolites de pesticides dans une ressource en eau à potabiliser. Par « pesticide », on entend une substance utilisée pour lutter contre des organismes considérés comme nuisibles. C'est un terme générique qui rassemble les insecticides, les fongicides, les herbicides et les parasiticides conçus pour avoir une action biocide. Le terme pesticide désigne essentiellement les « produits phytosanitaires » utilisés en agriculture, sylviculture et horticulture, même s’il désigne également des produits domestiques tels que du shampoing antipoux, bien que les quantités associées soient marginales en comparaison. On pourra ainsi faire l’approximation que les pesticides dont il sera question dans la présente demande sont d’origine agricole, mais on ne sera limité à aucun type de pesticide.The expression "water to be made drinkable" as used in the present invention designates the water which supplies a device or a plant for the production of drinking water. This is the water captured, drawn or collected which is sent to a treatment plant, in order to receive the treatments making it fit for human consumption.
The present method makes it possible to estimate the content of pesticides or pesticide metabolites in a water resource to be made drinkable. “Pesticide” means a substance used to control organisms considered harmful. It is a generic term that brings together insecticides, fungicides, herbicides and parasiticides designed to have a biocidal action. The term pesticide essentially refers to “plant protection products” used in agriculture, forestry and horticulture, although it also refers to household products such as anti-lice shampoo, although the associated quantities are marginal in comparison. It will thus be possible to make the approximation that the pesticides which will be discussed in the present application are of agricultural origin, but it will not be limited to any type of pesticide.
Par métabolites de pesticide, on entend les produits de dégradation, de transformation et de réaction formés dans l’environnement issus de substances actives entrant dans la composition des produits phytosanitaires et des biocides, et tout particulièrement des métabolites ESA/OXA, à l’origine de dégradation sensible de la qualité de nos ressources.By pesticide metabolites, we mean the degradation, transformation and reaction products formed in the environment from active substances used in the composition of plant protection products and biocides, and more particularly ESA/OXA metabolites, originally significant deterioration in the quality of our resources.
L’expression « métabolite(s) ESA/OXA » telle qu’employée dans la présente description désigne les métabolite(s) ESA/OXA de chloroacétamides, en d’autres termes les acides sulfoniques (ESA) et/ou les acides oxaliques (OXA) dérivés de substances actives de la famille des chloroacétamides, en particulier les composés alachlore ESA, alachlore OXA, acétochlore ESA, acétochlore OXA, métazachlore ESA, métazachlore OXA, métolachlore ESA et métolachlore OXA, flufénacet ESA et flufénacet OXA.The expression “ESA/OXA metabolite(s)” as used in the present description designates the ESA/OXA metabolite(s) of chloroacetamides, in other words the sulphonic acids (ESA) and/or the oxalic acids ( OXA) derivatives of active substances of the chloroacetamide family, in particular the compounds alachlor ESA, alachlor OXA, acetochlor ESA, acetochlor OXA, metazachlor ESA, metazachlor OXA, metolachlor ESA and metolachlor OXA, flufenacet ESA and flufenacet OXA.
L’expression « teneur en métabolites ESA/OXA » désigne la teneur en un seul métabolite de chloroacétamide choisi parmi l’alachlore ESA, alachlore OXA, acétochlore ESA, acétochlore OXA, métazachlore ESA, métazachlore OXA, métolachlore ESA, métolachlore OXA, flufénacet ESA, flufénacet OXA ou désigne la teneur totale en plusieurs métabolites de chloroacétamide choisis parmi l’alachlore ESA, alachlore OXA,, acétochlore ESA, acétochlore OXA, métazachlore ESA, métazachlore OXA, métolachlore ESA, métolachlore OXA, flufénacet ESA et flufénacet OXA. Une teneur peut en elle-même être exprimée par exemple comme une concentration massique ou une concentration molaire.The expression "content of ESA/OXA metabolites" designates the content of a single metabolite of chloroacetamide chosen from alachlor ESA, alachlor OXA, acetochlor ESA, acetochlor OXA, metazachlor ESA, metazachlor OXA, metolachlor ESA, metolachlor OXA, flufenacet ESA , flufenacet OXA or designates the total content of several chloroacetamide metabolites selected from alachlor ESA, alachlor OXA, acetochlor ESA, acetochlor OXA, metazachlor ESA, metazachlor OXA, metolachlor ESA, metolachlor OXA, flufenacet ESA and flufenacet OXA. A content can itself be expressed for example as a mass concentration or a molar concentration.
DESCRIPTION DETAILLEE DE L'INVENTIONDETAILED DESCRIPTION OF THE INVENTION
ArchitectureArchitecture
L’invention concerne un procédé d’estimation de la teneur en pesticides ou métabolites de pesticides dans une ressource en eau à potabiliser.The invention relates to a method for estimating the content of pesticides or pesticide metabolites in a water resource to be made drinkable.
Comme l’on verra, ce procédé peut comprendre une ou plusieurs composantes d’apprentissage automatique, et notamment au moins un modèle dit de prédiction, pouvant notamment être conforme à l’un des modèles d’intelligence artificiel suivants :As will be seen, this method may comprise one or more automatic learning components, and in particular at least one so-called prediction model, which may in particular conform to one of the following artificial intelligence models:
- Gradient Boosting Regressor- Gradient Boosting Regressor
- Support Vector Machine Regressor- Support Vector Machine Regressor
- Ridge Regression- Ridge Regression
- Réseau neuronal.- Neural network.
En effet, de manière inattendue, les inventeurs ont mis en évidence que la teneur en métabolites ESA/OXA, et de manière générale la teneur en pesticides ou métabolites de pesticides, dans les eaux à potabiliser peut être corrélée à la teneur en nitrates dans celles-ci. Sans vouloir être lié par aucune théorie, il est suggéré que cette corrélation puisse s’expliquer par des pratiques agricoles similaires et par un comportement similaire des nitrates et des pesticides ou métabolites de pesticides dans les sols. Les pesticides ou métabolites de pesticides dont les métabolites ESA/OXA pourraient être co-transportés avec les nitrates d’origine agricole vers les nappes phréatiques et les eaux superficielles.Indeed, unexpectedly, the inventors have demonstrated that the content of ESA/OXA metabolites, and in general the content of pesticides or pesticide metabolites, in the water to be made drinkable can be correlated to the nitrate content in those -this. Without wishing to be bound by any theory, it is suggested that this correlation may be explained by similar agricultural practices and by similar behavior of nitrates and pesticides or pesticide metabolites in soils. Pesticides or pesticide metabolites including ESA/OXA metabolites could be co-transported with nitrates of agricultural origin to groundwater and surface water.
La teneur en nitrates dans les eaux à potabiliser pouvant être mesurée en temps réel, la corrélation établie par les inventeurs permet d’estimer en temps réel la teneur en pesticides ou métabolites de pesticides dans les eaux à potabiliser. Cette estimation en temps réel permet d’adapter les traitements nécessaires à un abattement efficace des pesticides ou métabolites de pesticides problématiques tels que les métabolites ESA/OXA. Ainsi, cette estimation permet d’adapter au plus juste la dose en charbon actif (CAP, CAG) à employer et/ou les renouvellements des filtres à CAG et/ou les facteurs de dilution à mettre en œuvre nécessaire à l’atteinte d’un abattement qui permet de produire des eaux répondant aux limites de qualité fixées par les normes en vigueur.Since the nitrate content in the water to be made drinkable can be measured in real time, the correlation established by the inventors makes it possible to estimate in real time the content of pesticides or pesticide metabolites in the water to be made drinkable. This real-time estimation makes it possible to adapt the treatments necessary for an effective reduction of pesticides or problematic pesticide metabolites such as ESA/OXA metabolites. Thus, this estimate makes it possible to adapt as accurately as possible the dose of activated carbon (CAP, GAC) to be used and/or the renewals of the GAC filters and/or the dilution factors to be implemented necessary to achieve a reduction which makes it possible to produce water that meets the quality limits set by the standards in force.
Dans certains modes de réalisation, la teneur en pesticides ou métabolites de pesticides comprend la teneur individuelle en un pesticide ou en un métabolite, par exemple pour les chloroacétamides et leurs métabolites ESA/OXA, elle peut comprendre la teneur en métolachlore ou la teneur en métolachlore ESA ou la teneur en métazachlore ESA etc...In some embodiments, pesticide or pesticide metabolite content includes individual pesticide or metabolite content, e.g., for chloroacetamides and their ESA/OXA metabolites, it may include metolachlor content or metolachlor content. ESA or metazachlor content ESA etc...
Dans certains modes de réalisation, la teneur en pesticides ou métabolites de pesticides comprend la teneur totale de plusieurs pesticides ou de plusieurs métabolites de pesticides ou de plusieurs pesticides et métabolites de pesticides, par exemple pour les chloroacétamides et leurs métabolites ESA/OXA, la teneur totale peut comprendre la somme des teneurs d’une ou plusieurs molécules mères (métolachlore, alachlore etc…) ou la somme des teneurs d’un ou plusieurs métabolites (alachlore ESA, alachlore OXA, acétochlore ESA, acétochlore OXA, métazachlore ESA, métazachlore OXA, , métolachlore ESA, métolachlore OXA, etc…) ou la somme des teneurs en une ou plusieurs molécules mères et un ou plusieurs métabolites.In certain embodiments, the content of pesticides or metabolites of pesticides comprises the total content of several pesticides or of several metabolites of pesticides or of several pesticides and metabolites of pesticides, for example for chloroacetamides and their metabolites ESA/OXA, the content total may include the sum of the contents of one or more parent molecules (metolachlor, alachlor, etc.) or the sum of the contents of one or more metabolites (alachlor ESA, alachlor OXA, acetochlor ESA, acetochlor OXA, metazachlor ESA, metazachlor OXA , , metolachlor ESA, metolachlor OXA, etc…) or the sum of the contents of one or more parent molecules and one or more metabolites.
Par « prédiction » on entend la détermination d’une valeur candidate de la teneur en pesticides ou métabolites de pesticides à partir d’une donnée d’entrée ou d’une donnée d’apprentissage dans le cas d’une phase d’apprentissage dudit modèle.By "prediction" is meant the determination of a candidate value of the content of pesticides or pesticide metabolites from an input datum or a learning datum in the case of a learning phase of said model.
Les données d’entrée ou d’apprentissage sont des vecteurs de paramètres descriptifs d’une ressource en eau (i.e. des variables) comprenant notamment ladite teneur en nitrates, mais également potentiellement d’autres paramètres relatifs à des aspects de ladite ressource tels que :The input or learning data are vectors of descriptive parameters of a water resource (i.e. variables) including in particular said nitrate content, but also potentially other parameters relating to aspects of said resource such as:
- Paramètres physico-chimiques complémentaires analysables ou mesurables directement sur site en même temps que les nitrates tels que l’absorbance UV 254 nm (totale ou filtrée 0,45 µm), la turbidité, etc…- Additional physico-chemical parameters that can be analyzed or measured directly on site at the same time as nitrates such as UV absorbance 254 nm (total or filtered 0.45 µm), turbidity, etc.
- Pluviométrie ;- Rainfall;
- Température ; et/ou- Temperature ; and or
- Débit (en amont à partir du limnimètre le plus proche, mais aussi les affluents proches).- Flow (upstream from the nearest water gauge, but also nearby tributaries).
De manière particulièrement préférée, lesdites valeurs des paramètres sont en fonction du temps, i.e. on a en pratique une série temporelle de valeurs, de sorte à constituer un historique.In a particularly preferred manner, said values of the parameters are a function of time, i.e. there is in practice a time series of values, so as to constitute a history.
Cela consiste à créer des cumuls (décalés ou non), de différents pas de temps (par exemple une valeur par jour). Pour la pluviométrie, on peut ainsi utiliser la série de valeurs suivantes :This consists in creating accumulations (shifted or not), of different time steps (for example one value per day). For rainfall, the following series of values can be used:
- Hauteur de précipitations de la veille- Previous day's precipitation amount
- Hauteur de précipitations de l’avant-veille- Height of precipitation two days before
- …- …
- Hauteur de précipitations de J-30- Precipitation height of D-30
Ainsi la pluviométrie est dans cet exemple définie par un objet de dimension 30.Thus the rainfall in this example is defined by an object of dimension 30.
Alternativement on peut avoir la même chose mais avec des cumuls :Alternatively we can have the same thing but with accumulations:
- Cumul de pluviométrie sur les 2 derniers jours- Cumulative rainfall over the last 2 days
- Cumul sur les 3 derniers jours- Accumulation over the last 3 days
- etc.- etc.
En complément ou alternativement, les variables peuvent aussi être introduites pour traduire le nombre de jours de secs :In addition or alternatively, variables can also be introduced to translate the number of dry days:
- Nombre de jours consécutifs sans pluie ;- Number of consecutive days without rain;
- Nombre de jours consécutifs avec moins de 1mm de pluie- Number of consecutive days with less than 1mm of rain
Des constructions du même ordre peuvent être menées sur les autres variables. Pour les températures, on peut introduire les notions de températures maximales, minimales et moyennes. Ces données peuvent par exemple être en lien direct avec la décision pour un agriculteur de pratiquer ou non des épandages.Constructions of the same order can be carried out on the other variables. For temperatures, the notions of maximum, minimum and average temperatures can be introduced. This data can, for example, be directly linked to a farmer's decision to practice spreading or not.
Les présents procédés sont mis en œuvre au sein d’une architecture telle que représentée par la
Il est tout à fait possible que les deux équipements 1, 2 soient confondus, mais de façon préférée le serveur 1 est un équipement distant, et le client 2 un équipement sur site, notamment un ordinateur du bureau, un portable, etc. L’équipement client 2 est avantageusement connecté à au moins un dispositif d’acquisition 10 appelé analyseur (et tout autre capteur nécessaire), de sorte à pouvoir directement acquérir ladite donnée d’entrée, typiquement pour la traiter en direct, alternativement on chargera cette donnée d’entrée sur l’équipement client 2.It is quite possible that the two devices 1, 2 are combined, but preferably the server 1 is a remote device, and the client 2 is an on-site device, in particular an office computer, a laptop, etc. The client equipment 2 is advantageously connected to at least one acquisition device 10 called an analyzer (and any other necessary sensor), so as to be able to directly acquire said input data, typically to process it live, alternatively this will be loaded input data on client equipment 2.
Dans tous les cas, chaque équipement 1, 2 est typiquement un équipement informatique distant relié à un réseau local ou un réseau étendu tel que le réseau internet pour l’échange des données. Chacun comprend des moyens de traitement de données 11, 21 de type processeur, et des moyens de stockage de données 12, 22 telle qu’une mémoire informatique, par exemple une mémoire flash ou un disque dur. Le client 2 comprend typiquement une interface utilisateur 23 telle qu’un écran pour interagir, par exemple pour afficher la teneur estimée en pesticides ou métabolites de pesticides, notée [ESA/OXA] par simplicité (bien qu’on rappelle qu’on n’est pas limités à ces dérivés de pesticides en particulier) et/ou la teneur mesurée en nitrates, notée [NO3 -]. L’interface utilisateur peut ainsi permettre de suivre en continu les teneurs en pesticides ou métabolites de pesticides [ESA/OXA] et/ou en nitrates [NO3 -] dans les eaux à potabiliser et de consulter des historiques journaliers, mensuels et annuels des concentrations, facilitant ainsi l’exploitation de l’usine de traitement.In all cases, each item of equipment 1, 2 is typically a remote computer item of equipment connected to a local network or an extended network such as the Internet network for the exchange of data. Each comprises data processing means 11, 21 of the processor type, and data storage means 12, 22 such as a computer memory, for example a flash memory or a hard disk. The client 2 typically includes a user interface 23 such as a screen for interacting, for example for displaying the estimated content of pesticides or pesticide metabolites, denoted [ESA/OXA] for simplicity (although it is recalled that we do not is not limited to these pesticide derivatives in particular) and/or the measured nitrate content, denoted [NO 3 - ]. The user interface can thus make it possible to continuously monitor the levels of pesticides or pesticide metabolites [ESA/OXA] and/or nitrates [NO 3 - ] in the water to be made drinkable and to consult the daily, monthly and annual histories of the concentrations, thus facilitating the operation of the treatment plant.
Le serveur 1 stocke avantageusement une base de données d’apprentissage, i.e. un ensemble de couples d’au moins une teneur en nitrates [NO3 -] de l’eau à potabiliser d’une ressource (préférentiellement dans un vecteur de paramètres descriptifs de ladite ressource) et d’une valeur « de référence » de ladite teneur pesticides ou métabolites de pesticides correspondante, i.e. une valeur attendue pour cette ressource. Cette valeur de référence de ladite teneur en pesticides ou métabolites de pesticides peut avoir été obtenue par mesure, voir plus loin. On comprend que chaque couple de la base d’apprentissage est associé à une ressource et que de manière préférée la base comprend un grand nombre de couples correspondant à diverses ressources. On peut en outre, pour chaque ressource, avoir plusieurs couples d’apprentissage si l’on veut entraîner des modèles « spécifiques », voir plus loin.The server 1 advantageously stores a learning database, ie a set of pairs of at least one nitrate content [NO 3 - ] of the water to be made drinkable from a resource (preferably in a vector of parameters descriptive of said resource) and a "reference" value of said corresponding pesticide or pesticide metabolite content, ie an expected value for this resource. This reference value of said content of pesticides or pesticide metabolites may have been obtained by measurement, see below. It is understood that each pair of the learning base is associated with a resource and that the base preferably comprises a large number of pairs corresponding to various resources. It is also possible, for each resource, to have several learning pairs if you want to train “specific” models, see below.
AcquisitionAcquisition
En référence à la
Même si comme expliqué le présent procédé peut l’obtenir d’une manière quelconque, de manière préférée l’étape (a) comprend la mesure de ladite teneur en nitrates [NO3 -] de l’eau à potabiliser de ladite ressource par le dispositif 10, en particulier à partir d’un prélèvement.Even if, as explained, the present method can obtain it in any way, step (a) preferably comprises measuring the said nitrate content [NO 3 - ] of the water to be made drinkable from the said resource by the device 10, in particular from a sample.
Le prélèvement des échantillons d’eaux à potabiliser est typiquement réalisé en amont d’une usine de traitement des eaux, par exemple au niveau d’un point de puisage ou de captage, ou au sein de l’usine de traitement des eaux, par exemple avant toutes installations de traitement (par ex. au niveau de l’alimentation en eaux à potabiliser des installations de traitement).Samples of water to be made drinkable are typically taken upstream of a water treatment plant, for example at a draw-off or collection point, or within the water treatment plant, by example before any treatment facilities (eg at the level of the water supply to be made drinkable to the treatment facilities).
Les ressources en eau à potabiliser sont typiquement des eaux souterraines ou des eaux superficielles (rivières, canaux, retenues) seules ou en mélange.The water resources to be made drinkable are typically groundwater or surface water (rivers, canals, reservoirs) alone or in a mixture.
Les différents échantillons d’eaux à potabiliser sont de préférence prélevés à différents instants t, par exemple un ou plusieurs prélèvements peuvent être réalisés au cours d’un mois ou de plusieurs mois, par exemple une valeur par jour comme expliqué ci-avant, de manière à permettre une caractérisation des eaux à potabiliser au fil des jours. Le nombre d’échantillons à prélever sera ainsi choisi de manière à obtenir une bonne représentation des variations possibles des concentrations en nitrates [NO3 -] et en pesticides ou métabolites de pesticides [ESA/OXA] au cours d’une semaine, d’un mois ou de plusieurs mois.The different samples of water to be made drinkable are preferably taken at different times t, for example one or more samples can be taken over the course of a month or several months, for example one value per day as explained above, from so as to allow characterization of the water to be made drinkable over the days. The number of samples to be taken will thus be chosen so as to obtain a good representation of the possible variations in the concentrations of nitrates [NO 3 - ] and pesticides or pesticide metabolites [ESA/OXA] over the course of a week, a month or several months.
La mesure des concentrations en nitrates [NO3 -] (et en pesticides ou métabolites de pesticides [ESA/OXA] si l’on cherche à constituer la base d’apprentissage) dans les échantillons prélevés est réalisée selon des méthodes bien connues de l’homme du métier. Ainsi, les concentrations en nitrates [NO3 -] peuvent être déterminées selon les méthodes spectrométrique, chromatographique ou autres, par exemple conformément à la norme NF ISO 15923-1. Ainsi, les concentrations en pesticides ou métabolites de pesticides [ESA/OXA] peuvent être déterminées selon les méthodes de dosage par chromatographie liquide ou gazeuse suivie d’une détection par spectrométrie de masse en tandem.The measurement of the concentrations of nitrates [NO 3 - ] (and of pesticides or pesticide metabolites [ESA/OXA] if one seeks to constitute the learning base) in the samples taken is carried out according to methods well known to the skilled in the art. Thus, the concentrations of nitrates [NO 3 - ] can be determined according to spectrometric, chromatographic or other methods, for example in accordance with standard NF ISO 15923-1. Thus, the concentrations of pesticides or pesticide metabolites [ESA/OXA] can be determined according to the assay methods by liquid or gas chromatography followed by detection by tandem mass spectrometry.
La teneur en nitrates est typiquement mesurée au moyen d’un analyseur, ou en analyse en laboratoire. De tels analyseurs sont simples à mettre en œuvre et peu onéreux. Ils présentent également l’avantage de transmettre des valeurs de mesure instantanées. Des exemples d’analyseurs pouvant convenir incluent les analyseurs utilisant les méthodes colorimétrique ou spectrométrique.The nitrate content is typically measured using an analyzer, or in laboratory analysis. Such analyzers are simple to implement and inexpensive. They also have the advantage of transmitting instantaneous measurement values. Examples of analyzers that may be suitable include analyzers using colorimetric or spectrometric methods.
L’analyseur peut être un analyseur en continu permettant aux utilisateurs de s’équiper de stations d’alerte automatisées et de disposer de mesures en temps réel.The analyzer can be a continuous analyzer allowing users to equip themselves with automated alert stations and to have measurements in real time.
Idéalement, l’analyseur est placé en amont d’une usine de traitement des eaux, par exemple au niveau d’un point de puisage ou de captage, ou au sein de la station de traitement des eaux, par exemple avant toutes installations de traitement (par ex. au niveau de l’alimentation en eaux à potabiliser des installations de traitement).Ideally, the analyzer is placed upstream of a water treatment plant, for example at a draw-off or collection point, or within the water treatment plant, for example before any treatment facilities. (eg at the level of the supply of water to be made drinkable to the treatment facilities).
Les autres paramètres dudit vecteur comme ceux liés à la pluviométrie, la température ou le débit peuvent être mesurés par d’autres dispositifs 10, en particulier des capteurs conventionnels (pluviomètre, thermomètre, débitmètre), ou bien obtenus par exemple depuis internet.The other parameters of said vector such as those related to rainfall, temperature or flow can be measured by other devices 10, in particular conventional sensors (rain gauge, thermometer, flow meter), or else obtained for example from the internet.
Toutes les valeurs des paramètres peuvent comme expliqué être mesurées au cours du temps de sorte à obtenir une série de valeurs.All the values of the parameters can, as explained, be measured over time so as to obtain a series of values.
Mise en œuvre du modèleModel implementation
Le présent procédé se distingue particulièrement en ce qu’il comprend ensuite une étape (b) de calcul de la teneur estimée en pesticides ou métabolites de pesticides [ESA/OXA] par application du modèle de prédiction à au moins la teneur en nitrates obtenue.The present method is particularly distinguished in that it then comprises a step (b) of calculating the estimated content of pesticides or pesticide metabolites [ESA/OXA] by applying the prediction model to at least the nitrate content obtained.
Plus précisément le modèle de prédiction prend en entrée ledit vecteur de paramètres descriptifs de ladite ressource en eau à potabiliser (qui comprend au moins la teneur en nitrates obtenue), et génère en sortie ladite estimation de la teneur en pesticides ou métabolites de pesticides [ESA/OXA].More specifically, the prediction model takes as input said vector of descriptive parameters of said water resource to be made drinkable (which includes at least the nitrate content obtained), and generates as output said estimate of the content of pesticides or pesticide metabolites [ESA /OXA].
A noter qu’il peut y avoir plusieurs modèles de prédiction, en particulier de nature différente (comme expliqué choisi parmi Gradient Boosting Regressor, Support Vector Machine Regressor, Ridge Regression, etc.) et/ou prenant un vecteur de paramètres différents (avec plus ou moins de paramètres).Note that there may be several prediction models, in particular of a different nature (as explained chosen from Gradient Boosting Regressor, Support Vector Machine Regressor, Ridge Regression, etc.) and/or taking a vector of different parameters (with more or fewer parameters).
L’idée est que les différents types de modèles peuvent être de performances différentes selon le site de la ressource, et de manière particulièrement préférée il y a un modèle optimal associé à chaque ressource, dit modèle spécifique.The idea is that the different types of models can have different performance depending on the site of the resource, and in a particularly preferred way there is an optimal model associated with each resource, called a specific model.
Ainsi l’étape (b) peut comprendre la sélection d’un modèle de prédiction parmi plusieurs modèles de prédiction possibles, en fonction de la ressource en eau (et en particulier le modèle de prédiction spécifique de la ressource).Thus step (b) can include the selection of a prediction model from among several possible prediction models, depending on the water resource (and in particular the prediction model specific to the resource).
A noter qu’alternativement ou en complément, l’étape (b) peut comprendre l’utilisation de plusieurs modèles possibles de prédiction et la fusion des résultats (i.e. une valeur candidate de teneur en pesticides ou métabolites de pesticides est estimée pour chaque modèle et on les combine, par exemple en prenant leur moyenne). Les deux approches peuvent être combinées, en sélectionnant par exemple plus d’un modèle et en combinant les résultats des modèles sélectionnés.It should be noted that, alternatively or in addition, step (b) may include the use of several possible prediction models and the merging of the results (i.e. a candidate value for the content of pesticides or pesticide metabolites is estimated for each model and they are combined, for example by taking their average). The two approaches can be combined, for example by selecting more than one model and combining the results of the selected models.
ApprentissageLearning
Le procédé comprend avantageusement une étape (a0) d’apprentissage des paramètres dudit modèle de prédiction à partir de ladite base d’apprentissage. Cette étape est typiquement mise en œuvre très en amont, en particulier par le serveur 1 distant. Elle n’a pas besoin d’être mise en œuvre de manière répétée.The method advantageously comprises a step (a0) of learning the parameters of said prediction model from said learning base. This step is typically implemented very upstream, in particular by the remote server 1. It does not need to be implemented repeatedly.
Comme expliqué, la base d’apprentissage peut comprendre un grand nombre de couples d’une teneur en nitrates [NO3 -] de l’eau à potabiliser d’une ressource (ou directement de vecteurs de paramètres descriptifs de cette ressource) et d’une valeur de référence de ladite teneur en pesticides ou métabolites de pesticides [ESA/OXA] de cette ressource.As explained, the learning base can include a large number of pairs of a nitrate content [NO 3 - ] of the water to be made drinkable from a resource (or directly of vectors of descriptive parameters of this resource) and of a reference value of said content of pesticides or pesticide metabolites [ESA/OXA] of this resource.
De manière classique, l’apprentissage amène à déterminer les paramètres qui minimisent une fonction de coût comparant pour chaque couple la teneur estimée en pesticides ou métabolites de pesticides [ESA/OXA] par application du modèle de prédiction à au moins la teneur en nitrates dudit couple (et préférentiellement le vecteur de paramètres), et la teneur de référence.Conventionally, learning leads to determining the parameters which minimize a cost function comparing for each pair the estimated content of pesticides or pesticide metabolites [ESA/OXA] by applying the prediction model to at least the nitrate content of said torque (and preferably the vector of parameters), and the reference content.
Pour chaque modèle, une exploration peut être faite sur les hyperparamètres, de type « grid search », notamment sur le nombre d’estimateurs, et le taux d’apprentissage (learning rate). Les autres paramètres sont choisis puis laissés fixes.For each model, an exploration can be made on the hyperparameters, of the "grid search" type, in particular on the number of estimators, and the learning rate. The other parameters are chosen and then left fixed.
L’étape (a0) peut en outre comprendre la validation du modèle sur une partie de la base laissée à cet effet. On teste et valide le modèle en comparant ses prédictions (teneurs estimées en pesticides ou métabolites de pesticides [ESA/OXA] par application du modèle de prédiction) avec la réalité (les teneurs de référence associées). Ladite comparaison peut se faire sur la base d’un indicateur prédéfini.Step (a0) can also include validation of the model on part of the database left for this purpose. The model is tested and validated by comparing its predictions (estimated levels of pesticides or pesticide metabolites [ESA/OXA] by application of the prediction model) with reality (the associated reference levels). Said comparison can be made on the basis of a predefined indicator.
Parmi les différents indicateurs connus, on peut notamment utiliser :Among the various known indicators, the following can be used in particular:
- Le coefficient de détermination : R² mesure l’adéquation entre un modèle (plus précisément les données estimées à partir du modèle) et les données observées (ou les réalisations des variables aléatoires) qui ont permis de l’établir. Il se définit comme la proportion de variance expliquée dans la variance totale. La valeur prise par la variable que l’on cherche à expliquer peut-être décomposée en deux parties : l’une expliquée par le modèle et l’autre résiduelle, due par exemple à des erreurs de mesure. La dispersion de l’ensemble des observations se décompose donc en variance expliquée par la régression et en variance résiduelle, inexpliquée. La variance totale est la somme des deux.- The coefficient of determination: R² measures the adequacy between a model (more precisely the data estimated from the model) and the observed data (or the realizations of the random variables) which made it possible to establish it. It is defined as the proportion of explained variance in the total variance. The value taken by the variable that we are trying to explain can be broken down into two parts: one explained by the model and the other residual, due for example to measurement errors. The dispersion of all the observations is therefore broken down into the variance explained by the regression and the residual, unexplained variance. The total variance is the sum of the two.
- L’erreur moyenne absolue : MAE qui est la valeur absolue des différences entre les valeurs réelles et les valeurs prédites et permet d’évaluer la précision des prédictions. Plus la MAE est faible (proche de zéro), meilleure est la prédiction.- The absolute mean error: MAE which is the absolute value of the differences between the actual values and the predicted values and makes it possible to evaluate the precision of the predictions. The lower the MAE (close to zero), the better the prediction.
A noter qu’on peut apprendre plusieurs modèles de nature différente en répétant ce processus.Note that you can learn several models of a different nature by repeating this process.
Si l’on apprend un modèle par ressource (modèles spécifiques), alors on peut se limiter pour chaque ressource, aux couples de la base correspondant à cette ressource.If we learn one model per resource (specific models), then we can limit ourselves for each resource to the database pairs corresponding to this resource.
Alternativement ou en complément, l’apprentissage peut être réalisé avec une variable explicative, principalement les nitrates, puis deux, par exemple les nitrates et le débit, puis trois, les nitrates, le débit et la pluviométrie, puis n paramètres…. Ensuite, les différentes prédictions obtenues à partir de différents modèles peuvent être comparées avec la réalité. Grâce aux indicateurs de validation, le modèle le plus pertinent sera retenu.Alternatively or in addition, learning can be carried out with one explanatory variable, mainly nitrates, then two, for example nitrates and flow, then three, nitrates, flow and rainfall, then n parameters…. Then, the different predictions obtained from different models can be compared with reality. Thanks to the validation indicators, the most relevant model will be retained.
Le modèle peut alors être utilisé pour la prédiction en temps réel de l’étape (b), une fois le modèle validé, i.e. fournir des données au modèle au jour le jour pour prévoir l’évolution d’un système.The model can then be used for the real-time prediction of step (b), once the model has been validated, i.e. providing data to the model on a day-to-day basis to predict the evolution of a system.
A noter que l’étape (a0) peut avantageusement comprendre la construction de la base d’apprentissage, notamment de la manière suivante :Note that step (a0) can advantageously include the construction of the learning base, in particular as follows:
(i) prélèvement de plusieurs échantillons d’eau à potabiliser (potentiellement dans diverses ressources et/ou à plusieurs instants temporels pour une même ressource) ;(i) taking several samples of water to be made drinkable (potentially from various resources and/or at several times for the same resource);
(ii) mesure au moins de la concentration en nitrates [NO3 -] et en pesticides ou métabolites de pesticides [ESA/OXA] dans lesdits échantillons (et mesure des valeurs des autres paramètres du vecteur). Les deux associés forment un couple de ladite base.(ii) measuring at least the concentration of nitrates [NO 3 - ] and of pesticides or pesticide metabolites [ESA/OXA] in the said samples (and measuring the values of the other parameters of the vector). The two associates form a couple of said base.
Comme expliqué la mesure de la concentration en pesticides ou métabolites de pesticides [ESA/OXA] est complexe, mais n’a ici besoin d’être faite qu’une fois. En effet dès que le modèle est appris il peut être utilisé en temps réel en remplacement de cette mesure de la teneur en pesticides ou métabolites de pesticides [ESA/OXA].As explained, the measurement of the concentration of pesticides or pesticide metabolites [ESA/OXA] is complex, but here only needs to be done once. Indeed, as soon as the model is learned, it can be used in real time to replace this measurement of the content of pesticides or pesticide metabolites [ESA/OXA].
Traitement automatiséAutomated processing
Ce procédé d’estimation de la teneur en pesticides ou métabolites de pesticides offre par ailleurs la possibilité d’automatiser, sur certaines installations de traitement, le traitement (élimination ou du moins limitation) des pesticides ou métabolites de pesticides, notamment à base de charbon actif, pour une gestion optimisée.This process for estimating the content of pesticides or pesticide metabolites also offers the possibility of automating, on certain treatment installations, the treatment (elimination or at least limitation) of pesticides or pesticide metabolites, in particular based on carbon active, for optimized management.
Ainsi, le procédé d’estimation de la teneur en pesticides ou métabolites de pesticides dans une ressource en eau à potabiliser selon la présente invention peut être utilisé pour optimiser le traitement des pesticides ou métabolites de pesticides dans les eaux à potabiliser.Thus, the method for estimating the content of pesticides or pesticide metabolites in a water resource to be made drinkable according to the present invention can be used to optimize the treatment of pesticides or pesticide metabolites in the water to be made drinkable.
Dans certains modes de réalisation, les pesticides ou métabolites de pesticides et notamment les métabolites ESA/OXA sont éliminés par traitement au charbon actif impliquant un dosage de CAP (Charbon Actif en Poudre) en clarification et/ou traitements de finition ou d’affinage au sein de réacteurs à CAP ou CAG où le charbon est en suspension.In certain embodiments, the pesticides or pesticide metabolites and in particular the ESA/OXA metabolites are eliminated by treatment with activated carbon involving a dosage of PAC (Powdered Activated Carbon) in clarification and/or finishing or refining treatments with in CAP or GAC reactors where the carbon is in suspension.
Par traitement, on entendra toute solution technique permettant de diminuer la teneur en pesticides ou métabolites de pesticides [ESA/OXA] dans la ressource à traiter, cela inclut donc la dilution ou le mélange d’eaux à potabiliser.By treatment, we mean any technical solution that makes it possible to reduce the content of pesticides or pesticide metabolites [ESA/OXA] in the resource to be treated, this therefore includes the dilution or mixing of water to be made drinkable.
La présente invention concerne donc également selon ce deuxième aspect un procédé de traitement des pesticides ou métabolites de pesticides dans une ressource en eaux à potabiliser au moyen d’au moins une technique de traitement comprenant les étapes suivantes :The present invention therefore also relates, according to this second aspect, to a method for treating pesticides or pesticide metabolites in a water resource to be made drinkable by means of at least one treatment technique comprising the following steps:
(A) mise en œuvre du procédé d’estimation de la teneur en pesticides ou métabolites de pesticides [ESA/OXA] dans ladite ressource en eau à potabiliser selon le procédé selon le premier aspect décrit ci-dessus ;(A) implementation of the method for estimating the content of pesticides or pesticide metabolites [ESA/OXA] in said water resource to be made drinkable according to the method according to the first aspect described above;
(B) régulation de ladite technique de traitement en fonction de la teneur estimée en pesticides ou métabolites de pesticides [ESA/OXA].(B) regulation of said treatment technique according to the estimated content of pesticides or pesticide metabolites [ESA/OXA].
Comme expliqué, ladite technique de traitement peut être au charbon actif. Alors, la régulation peut prendre plusieurs formes.As explained, said treatment technique can be activated carbon. So regulation can take many forms.
Dans certains modes de réalisation, on peut réguler une dose de charbon actif injecté dans les eaux à potabiliser. La régulation de la dose de charbon actif injecté dans les eaux à potabiliser en fonction de la teneur estimée en pesticides ou métabolites de pesticides [ESA/OXA] peut être réalisée au moyen d’un ou plusieurs injecteurs servant à injecter le charbon actif dans les eaux à potabiliser. Ainsi, le client 2 peut être relié à un ou plusieurs injecteurs 3 et leur transmettre des données en temps réel.In some embodiments, it is possible to regulate a dose of activated carbon injected into the water to be made drinkable. The regulation of the dose of activated carbon injected into the water to be made drinkable according to the estimated content of pesticides or pesticide metabolites [ESA/OXA] can be carried out by means of one or more injectors used to inject the activated carbon into the drinking water. Thus, the client 2 can be connected to one or more injectors 3 and transmit data to them in real time.
La régulation de la dose en charbon actif peut consister en une diminution de la concentration en charbon actif injecté lorsque la teneur estimée en pesticides ou métabolites de pesticides [ESA/OXA] est inférieure à une valeur seuil prédéterminée ou en dehors d’une plage de valeurs prédéterminées, voire même à un arrêt de l’injection de charbon actif.The regulation of the dose of activated carbon can consist of a reduction in the concentration of activated carbon injected when the estimated content of pesticides or pesticide metabolites [ESA/OXA] is lower than a predetermined threshold value or outside a range of predetermined values, or even to stop the injection of activated carbon.
De manière alternative, la régulation de dose en charbon actif peut consister en une augmentation de la dose en charbon actif injecté lorsque la teneur estimée en pesticides ou métabolites de pesticides [ESA/OXA] est supérieure à une valeur seuil prédéterminée ou en dehors d’une plage de valeurs prédéterminées ou peut consister en une reprise de l’injection de charbon actif. Ainsi le procédé de traitement des pesticides ou métabolites de pesticides dans les eaux à potabiliser permet de maintenir un pourcentage d’abattement constant des pesticides ou métabolites de pesticides.Alternatively, the activated carbon dose regulation can consist of an increase in the injected activated carbon dose when the estimated content of pesticides or pesticide metabolites [ESA/OXA] is greater than a predetermined threshold value or outside of a range of predetermined values or may consist of a resumption of the injection of activated carbon. Thus, the process for treating pesticides or pesticide metabolites in water to be made drinkable makes it possible to maintain a constant reduction percentage of pesticides or pesticide metabolites.
Les doses optimales de charbon actif à injecter en fonction du pourcentage désiré d’abattement des pesticides ou métabolites de pesticides peuvent être déterminées à partir de courbes étalon exprimant le pourcentage d’abattement des pesticides ou métabolites de pesticides en fonction de la dose de charbon actif employé.The optimal doses of activated carbon to be injected as a function of the desired percentage reduction of pesticides or pesticide metabolites can be determined from standard curves expressing the percentage reduction of pesticides or pesticide metabolites as a function of the dose of activated carbon employee.
Dans certains modes de réalisation, les pesticides ou métabolites de pesticides et notamment les métabolites ESA/OXA sont traités par filtration sur CAG.In certain embodiments, the pesticides or pesticide metabolites and in particular the ESA/OXA metabolites are treated by filtration on GAC.
Alors, la régulation de ladite technique au charbon actif peut impliquer la planification du renouvellement ou de la régénération du CAG du ou des filtres (toujours en fonction de la teneur estimée en pesticides ou métabolites de pesticides [ESA/OXA] de l’eau brute) en absence de prétraitement, notamment à base de charbon actif.Then, the regulation of the said activated carbon technique can involve the planning of the renewal or the regeneration of the GAC of the filter(s) (always according to the estimated content of pesticides or pesticide metabolites [ESA/OXA] of the raw water ) in the absence of pretreatment, in particular based on activated carbon.
En présence de prétraitement(s) d’élimination, notamment à base de charbon actif, le renouvellement du ou des filtres CAG sera adapté en fonction de la teneur estimée en pesticides ou métabolites de pesticides [ESA/OXA] en eau brute et de la teneur résiduelle déduite des abattements du ou des prétraitements.In the presence of elimination pre-treatment(s), in particular based on activated carbon, the renewal of the GAC filter(s) will be adapted according to the estimated content of pesticides or pesticide metabolites [ESA/OXA] in the raw water and the residual content deducted from the reductions of the pre-treatment(s).
Dans certains modes de réalisation (alternativement ou en complément du charbon actif), la dilution ou le mélange d’eaux à potabiliser provenant de différentes ressources permet de limiter les teneurs en pesticides et/ou métabolites de pesticides et notamment les métabolites ESA/OXA dans les eaux à potabiliser.In certain embodiments (alternatively or in addition to activated carbon), the dilution or mixing of water to be made drinkable from different resources makes it possible to limit the levels of pesticides and/or pesticide metabolites and in particular the ESA/OXA metabolites in water to be made drinkable.
On peut alors réguler des taux de dilution ou de mélange optimaux (toujours en fonction de la teneur estimée en pesticides ou métabolites de pesticides [ESA/OXA] dans chacune des ressources).It is then possible to regulate optimal dilution or mixing rates (always according to the estimated content of pesticides or pesticide metabolites [ESA/OXA] in each of the resources).
Similairement à ce qui est fait pour le charbon actif, la régulation des taux de dilution ou de mélange peut consister en une diminution des taux de dilution ou de mélange lorsque la teneur estimée en pesticides ou métabolites de pesticides [ESA/OXA] est inférieure à une valeur seuil prédéterminée ou en dehors d’une plage de valeurs prédéterminées, voire même à un arrêt de la dilution ou du mélange.Similar to what is done for activated carbon, the regulation of the dilution or mixing rates can consist of a reduction in the dilution or mixing rates when the estimated content of pesticides or pesticide metabolites [ESA/OXA] is lower than a predetermined threshold value or outside a range of predetermined values, or even upon stopping the dilution or the mixing.
La régulation des taux de dilution ou de mélange peut de l’autre côté consister en une augmentation des taux de dilution ou de mélange lorsque la teneur estimée en pesticides ou métabolites de pesticides [ESA/OXA] est supérieure à une valeur seuil prédéterminée ou en dehors d’une plage de valeurs prédéterminées ou peut consister en une reprise de la dilution ou du mélange.The regulation of the dilution or mixing rates can on the other hand consist of an increase in the dilution or mixing rates when the estimated content of pesticides or pesticide metabolites [ESA/OXA] is higher than a predetermined threshold value or in outside a range of predetermined values or may consist of a resumption of dilution or mixing.
Claims (14)
(a) obtention d’une teneur en nitrates de l’eau à potabiliser de ladite ressource ;
(b) calcul de la teneur estimée en pesticides ou métabolites de pesticides par application d’un modèle de prédiction à au moins la teneur en nitrates obtenue.Method for estimating the content of pesticides or pesticide metabolites in a water resource to be made drinkable comprising the implementation by data processing means (21) of a client (2) of the following steps:
(a) obtaining a nitrate content of the water to be made drinkable from said resource;
(b) calculation of the estimated content of pesticides or metabolites of pesticides by applying a prediction model to at least the nitrate content obtained.
(i) prélèvement de plusieurs échantillons d’eau à potabiliser ;
(ii) mesure au moins de la teneur en nitrates et en pesticides ou métabolites de pesticides dans lesdits échantillons.Method according to Claim 7, in which step (a0) comprises the construction of the learning base in the following way:
(i) collection of several samples of water to be made drinkable;
(ii) measurement at least of the content of nitrates and pesticides or pesticide metabolites in the said samples.
(A) mise en œuvre du procédé d’estimation de la teneur en pesticides ou métabolites de pesticides dans ladite ressource en eau à potabiliser selon l’une des revendications 1 à 10 ;
(B) régulation de ladite technique de traitement en fonction de la teneur estimée en pesticides ou métabolites de pesticides.Method for treating pesticides or pesticide metabolites in a water resource to be made drinkable by means of at least one treatment technique comprising the following steps:
(A) implementation of the method for estimating the content of pesticides or pesticide metabolites in said water resource to be made drinkable according to one of claims 1 to 10;
(B) regulating said treatment technique according to the estimated content of pesticides or pesticide metabolites.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR2102342A FR3120707A1 (en) | 2021-03-10 | 2021-03-10 | METHOD FOR ESTIMATING THE CONTENT OF PESTICIDES OR METABOLITES OF PESTICIDES IN WATER TO BE DRINKABLE |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR2102342A FR3120707A1 (en) | 2021-03-10 | 2021-03-10 | METHOD FOR ESTIMATING THE CONTENT OF PESTICIDES OR METABOLITES OF PESTICIDES IN WATER TO BE DRINKABLE |
| FR2102342 | 2021-03-10 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| FR3120707A1 true FR3120707A1 (en) | 2022-09-16 |
Family
ID=76283858
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR2102342A Pending FR3120707A1 (en) | 2021-03-10 | 2021-03-10 | METHOD FOR ESTIMATING THE CONTENT OF PESTICIDES OR METABOLITES OF PESTICIDES IN WATER TO BE DRINKABLE |
Country Status (1)
| Country | Link |
|---|---|
| FR (1) | FR3120707A1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116777484A (en) * | 2023-08-23 | 2023-09-19 | 福建农林大学 | Agricultural and sideline product traceability system based on AI technology |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR3005504A1 (en) * | 2013-05-07 | 2014-11-14 | Saur | METHOD OF DETERMINING THE PHOSPHATE CONTENT IN WASTEWATER |
-
2021
- 2021-03-10 FR FR2102342A patent/FR3120707A1/en active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR3005504A1 (en) * | 2013-05-07 | 2014-11-14 | Saur | METHOD OF DETERMINING THE PHOSPHATE CONTENT IN WASTEWATER |
Non-Patent Citations (4)
| Title |
|---|
| ISTOK JONATHAN D. ET AL: "Multivariate Geostatistical Analysis of Ground-Water Contamination: A Case History", GROUND WATER, vol. 31, no. 1, 28 February 1993 (1993-02-28), pages 63 - 74, XP055853170 * |
| NIELSEN SUSAN SEARLES ET AL: "An evaluation of semi-quantitative test strips for the measurement of nitrate in drinking water in epidemiologic studies", JOURNAL OF EXPOSURE SCIENCE AND ENVIRONMENTAL EPIDEMIOLOGY, vol. 18, no. 2, 4 April 2007 (2007-04-04), New York, pages 142 - 148, XP055852908, ISSN: 1559-0631, Retrieved from the Internet <URL:http://www.nature.com/articles/7500563> DOI: 10.1038/sj.jes.7500563 * |
| PIEL STÉPHANIE ET AL: "Understanding the origins of herbicides metabolites in an agricultural watershed through their spatial and seasonal variations", JOURNAL OF ENVIRONMENTAL SCIENCES AND HEALTH B: PESTICIDES., vol. 56, no. 4, 9 February 2021 (2021-02-09), XX, pages 313 - 332, XP055852771, ISSN: 0360-1234, DOI: 10.1080/03601234.2021.1883390 * |
| POSTIGO CRISTINA ET AL: "Investigative monitoring of pesticide and nitrogen pollution sources in a complex multi-stressed catchment: The lower Llobregat River basin case study (Barcelona, Spain)", SCIENCE OF THE TOTAL ENVIRONMENT, ELSEVIER, AMSTERDAM, NL, vol. 755, 16 September 2020 (2020-09-16), XP086408263, ISSN: 0048-9697, [retrieved on 20200916], DOI: 10.1016/J.SCITOTENV.2020.142377 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116777484A (en) * | 2023-08-23 | 2023-09-19 | 福建农林大学 | Agricultural and sideline product traceability system based on AI technology |
| CN116777484B (en) * | 2023-08-23 | 2023-11-21 | 福建农林大学 | Agricultural and sideline product traceability system based on AI technology |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kritzberg | Centennial‐long trends of lake browning show major effect of afforestation | |
| Meyer-Jacob et al. | The browning and re-browning of lakes: Divergent lake-water organic carbon trends linked to acid deposition and climate change | |
| Li et al. | Neonicotinoids and decline in bird biodiversity in the United States | |
| Michelutti et al. | Visible spectroscopy reliably tracks trends in paleo-production | |
| Lange et al. | Can biological traits of stream invertebrates help disentangle the effects of multiple stressors in an agricultural catchment? | |
| Boyd et al. | Using ecological production theory to define and select environmental commodities for nonmarket valuation | |
| Bennion et al. | Assessing eutrophication and reference conditions for Scottish freshwater lochs using subfossil diatoms | |
| Burdon et al. | Assessing the benefits of forested riparian zones: A qualitative index of riparian integrity is positively associated with ecological status in European streams | |
| Valderrama et al. | Variable selection, outlier detection, and figures of merit estimation in a partial least-squares regression multivariate calibration model. A case study for the determination of quality parameters in the alcohol industry by near-infrared spectroscopy | |
| Foschi et al. | Soft sensor predictor of E. coli concentration based on conventional monitoring parameters for wastewater disinfection control | |
| Miller et al. | Use of Monte Carlo analysis to characterize nitrogen fluxes in agroecosystems | |
| Abell et al. | Quantifying the extent of anthropogenic eutrophication of lakes at a national scale in New Zealand | |
| Falloon et al. | Comparison of approaches for estimating carbon sequestration at the regional scale | |
| Kelly et al. | Increased light availability and nutrient cycling by fish provide resilience against reversing eutrophication in an agriculturally impacted reservoir | |
| Vaughan et al. | Using in situ UV‐Visible spectrophotometer sensors to quantify riverine phosphorus partitioning and concentration at a high frequency | |
| Grell et al. | Point-of-use sensors and machine learning enable low-cost determination of soil nitrogen | |
| Ryberg et al. | Causal factors for pesticide trends in streams of the United States: Atrazine and deethylatrazine | |
| Reavie et al. | Consideration of species-specific diatom indicators of anthropogenic stress in the Great Lakes | |
| FR3120707A1 (en) | METHOD FOR ESTIMATING THE CONTENT OF PESTICIDES OR METABOLITES OF PESTICIDES IN WATER TO BE DRINKABLE | |
| EP3688458A1 (en) | Improved detection and characterization of anomalies in a continuum of water | |
| Rodrigues et al. | Estimating the optical properties of inorganic matter-dominated oligo-to-mesotrophic inland waters | |
| Carpenter et al. | Responses of coral reef community metabolism in flumes to ocean acidification | |
| Scavia et al. | Lake Huron’s Phosphorus Contributions to the St. Clair–Detroit River Great Lakes Connecting Channel | |
| Wu et al. | SER: An R package to characterize environmental regimes | |
| Chen et al. | Estimating the nutrient thresholds of a typical tributary in the Liao River basin, Northeast China |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PLFP | Fee payment |
Year of fee payment: 2 |
|
| PLSC | Publication of the preliminary search report |
Effective date: 20220916 |
|
| PLFP | Fee payment |
Year of fee payment: 3 |
|
| PLFP | Fee payment |
Year of fee payment: 4 |