1
00:00:09,300 --> 00:00:10,967
Bonjour! Je m’appelle David Weindorf,

2
00:00:10,967 --> 00:00:14,133
vice-président associé de la recherche
à l’Université Texas Tech,

3
00:00:14,133 --> 00:00:17,200
et j’ai aujourd’hui le plaisir de
m’entretenir avec Julia Kagiliery.

4
00:00:17,200 --> 00:00:19,533
Julia, parle-moi un peu
de toi et d’où tu viens.

5
00:00:19,533 --> 00:00:22,467
J’étudie au 1er cycle à
l’Episcopal School of Jacksonville,

6
00:00:22,467 --> 00:00:26,567
en Floride, et j’ai 17 ans.

7
00:00:26,567 --> 00:00:29,733
Toi et moi avons eu l’occasion
de participer ensemble à une recherche,

8
00:00:29,733 --> 00:00:31,600
qui était la première de la sorte.

9
00:00:31,600 --> 00:00:32,767
Peux-tu l’expliquer un peu?

10
00:00:32,767 --> 00:00:35,400
Qu’avez-vous fait? Comment tout
ce projet a-t-il été lancé?

11
00:00:35,400 --> 00:00:38,300
Nous avons axé cette recherche sur la prévision

12
00:00:38,300 --> 00:00:40,833
de la teneur en soufre du lignite,

13
00:00:40,833 --> 00:00:43,800
car les concentrations élevées
en soufre dans le lignite

14
00:00:43,800 --> 00:00:49,533
sont liées aux pluies acides et à la production
d’une acidité élevée et d’acide caustique

15
00:00:49,533 --> 00:00:51,367
pouvant provenir des nuages ​de pluie

16
00:00:51,367 --> 00:00:56,200
et dégrader les différents sols,
les écosystèmes et les forêts.

17
00:00:56,200 --> 00:00:58,367
Pendant cette étude, vous avez utilisé

18
00:00:58,367 --> 00:01:00,967
des appareils technologiques
de pointe fabriqués par Olympus.

19
00:01:00,967 --> 00:01:02,533
Oui. Peux-tu nous en parler?

20
00:01:02,533 --> 00:01:04,467
L’un des appareils avec lesquels nous avons travaillé

21
00:01:04,467 --> 00:01:05,933
et qui a été essentiel pour nos recherches

22
00:01:05,933 --> 00:01:07,633
a été l’analyseur à fluorescence X à main.

23
00:01:07,633 --> 00:01:11,433
Nous l’avons utilisé pour déterminer

24
00:01:11,433 --> 00:01:13,900
la teneur en fer et en soufre dans le lignite

25
00:01:13,900 --> 00:01:15,600
et pour effectuer des prévisions.

26
00:01:15,600 --> 00:01:18,400
Merveilleux.
Et avez-vous seulement utilisé la fluorescence X

27
00:01:18,400 --> 00:01:21,567
ou y a-t-il eu d’autres
technologies employées?

28
00:01:21,567 --> 00:01:24,200
Dans cette étude, ce qui
a été révolutionnaire est

29
00:01:24,200 --> 00:01:26,567
le fait que nous utilisions des
méthodes de détection de proximité

30
00:01:26,567 --> 00:01:29,267
et de multiples détecteurs pour
obtenir ces algorithmes prédictifs.

31
00:01:29,267 --> 00:01:33,000
Nous avons donc jeté un œil à deux autres
appareils technologiques,

32
00:01:33,000 --> 00:01:35,567
soit le détecteur de couleurs Nix Pro Color Sensor™

33
00:01:35,567 --> 00:01:38,633
et le spectroradiomètre VIS-NIR.

34
00:01:38,633 --> 00:01:41,000
OK, super. Et prévoyez-vous de poursuivre

35
00:01:41,000 --> 00:01:44,833
votre étude en utilisant
ces détecteurs de proximité,

36
00:01:44,833 --> 00:01:46,933
dans d’autres projets peut-être?

37
00:01:46,933 --> 00:01:50,233
Oui. Nous espérons porter cette étude
à l’international l’an prochain,

38
00:01:50,233 --> 00:01:53,000
à l’Université fédérale de Lavras, au Brésil,

39
00:01:53,000 --> 00:01:54,967
pour étudier la composition des plantes.

40
00:01:54,967 --> 00:01:57,300
OK super. Merci de nous avoir rendu visite aujourd’hui.

41
00:01:57,300 --> 00:01:59,200
Merci.
De rien.