Biofuel Feedstock Assessment for Selected Countries
Notice bibliographique
Résumé
Findings from biofuel feedstock production assessments and projections of future supply are presented and discussed. The report aims to improve capabilities to assess the degree to which imported biofuel could contribute to meeting future U.S. targets to reduce dependence on imported oil. The study scope was focused to meet time and resource requirements. A screening process identified Argentina, Brazil, Canada, China, Colombia, India, Mexico, and the Caribbean Basin Initiative (CBI) region for initial analysis, given their likely role in future feedstock supply relevant to U.S. markets. Supply curves for selected feedstocks in these countries are projected for 2012, 2017 and 2027. The supply functions, along with calculations to reflect estimated supplies available for export and/or biofuel production, were provided to DOE for use in a broader energy market allocation study. Potential cellulosic supplies from crop and forestry residues and perennials were also estimated for 2017 and 2027. The analysis identified capacity to potentially double or triple feedstock production by 2017 in some cases. A majority of supply growth is derived from increasing the area cultivated (especially sugarcane in Brazil). This is supplemented by improving yields and farming practices. Most future supplies of corn and wheat are projected to be allocated to food and feed. Larger shares of future supplies of sugarcane, soybean and palm oil production will be available for export or biofuel. National policies are catalyzing investments in biofuel industries to meet targets for fuel blending that generally fall in the 5-10% range. Social and environmental concerns associated with rapid expansion of feedstock production are considered. If the 2017 projected feedstock supply calculated as ‘available’ for export or biofuel were converted to fuel, it would represent the equivalent of about 38 billion gallons of gasoline. Sugarcane and bagasse dominate the available supply, representing 64% of the total. Among the nations studied, Brazil is the source of about two-thirds of available supplies, followed distantly by Argentina (12%), India and the CBI region.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».