Evaluation of the life cycle of bioethanol produced from soft carbohydrate-rich and common rice straw in Japan with land-use change
Notice bibliographique
Résumé
Abstract This study evaluates the life cycle of ethanol produced from soft carbohydrate (SC)-rich rice straw (cv. Leafstar ) and common rice straw (cv. Koshihikari ) while considering land-use change to estimate CO 2 emissions, energy balance (expressed as Net Energy Ratio, NER), and production costs. Three different pretreatment methods were considered: the DiSC (direct saccharification of culms), RT-CaCCO (room temperature-CaCCO) and CaCCO (calcium capturing by carbonation) processes. Although the reduction in CO 2 emission was found to be 59%, 42% and −3.5% for the DiSC, RT-CaCCO and CaCCO processes, respectively, the CO 2 emission reduction decreased significantly when land-use change was considered. This result clearly shows that the biomass (rice straw) should be obtained from paddy fields without land-use change. The NER values for the bioethanol produced by the DiSC, RT-CaCCO and CaCCO processes were estimated to be 2.7, 2.1 and 1.0, respectively, and the total costs were estimated to be 102, 134 and 151 Yen/L ethanol, respectively (US $1 = 100 Yen). The use of the SC-rich rice straw contributes to a reduction of the environmental load and costs for the pretreatment, enzyme production, and enzymatic hydrolysis processes. Therefore, the use of SC-rich rice straw for bioethanol production reduces the total cost of production, reduces CO 2 emissions, and improves the NER. Our results suggest that the DiSC and RT-CaCCO pretreatment processes are promising pretreatment techniques and that SC-rich rice straw is a promising resource for bioethanol production.
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) | 0,000 | 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 ».