Alternative oilseed crops for biodiesel feedstock on the Canadian prairies
Notice bibliographique
Résumé
Blackshaw, R. E., Johnson, E. N., Gan, Y., May, W. E., McAndrew, D. W., Barthet, V., McDonald, T. and Wispinski, D. 2011. Alternative oilseed crops for biodiesel feedstock on the Canadian prairies. Can. J. Plant Sci. 91: 889–896. Increased demand for biodiesel feedstock has encouraged greater napus canola (Brassica napus L.) production, but there may be a need for greater production of other oilseed crops for this purpose. A multi-site field study was conducted to determine the oil yield potential of various crops relative to that of napus canola in the semi-arid, short-season environment of the Canadian prairies. Oilseed crops evaluated included rapa canola (Brassica rapa L.), juncea canola (Brassica juncea L.), Ethiopian mustard (Brassica carinata L.), oriental mustard (Brassica juncea L.), yellow mustard (Sinapis alba L.), camelina (Camelina sativa L.), flax (Linum usitatissimum L.), and soybean [Glycine max (L.) Max.]. Crop emergence and growth were generally good for all crops, but soybean did not fully mature at some locations. The number of site-years (out of a total of 9) that crops attained similar or greater yields compared to napus canola were camelina (6), oriental mustard (5), juncea canola (3), flax (3), soybean (3), rapa canola (2), yellow mustard (2), and Ethiopian mustard (1). The ranking of seed oil concentration was napus canola=rapa canola= juncea canola=flax>camelina=oriental mustard>Ethiopian mustard>yellow mustard>soybean. Considering yield and oil concentration, the alternative oilseed crops exhibiting the most potential for biodiesel feedstock were camelina, flax, rapa canola and oriental mustard. Oils of all crops were easily converted to biodiesel and quality analyses indicated that all crops would be suitable for biodiesel feedstock with the addition of antioxidants that are routinely utilized in biodiesel fuels.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».