MétaCan
Menu
Retour à la cohorte
Enregistrement W2009344001 · doi:10.1002/bbb.286

Impacts of co‐location, co‐production, and process energy source on life cycle energy use and greenhouse gas emissions of lignocellulosic ethanol

2011· article· en· W2009344001 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueBiofuels Bioproducts and Biorefining · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensMascoma (Canada)University of Toronto
Organismes subventionnairesNational Renewable Energy LaboratoryAUTO21 Network of Centres of Excellence
Mots-clésGreenhouse gasGasolineEthanol fuelLife-cycle assessmentBiofuelRaw materialEnvironmental scienceLignocellulosic biomassFossil fuelWaste managementPulp and paper industryProduction (economics)EngineeringChemistryEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract The performance of lignocellulosic ethanol in reducing greenhouse gas (GHG) emissions and fossil energy use when substituting for gasoline depends on production technologies and system decisions, many of which have not been considered in life cycle studies. We investigate ethanol production from short rotation forestry feedstock via an uncatalyzed steam explosion pre‐treatment and enzymatic hydrolysis process developed by Mascoma Canada, Inc., and examine a set of production system decisions (co‐location, co‐production, and process energy options) in terms of their influence on life cycle emissions and energy consumption. All production options are found to reduce emissions and petroleum use relative to gasoline on a well‐to‐wheel (WTW) basis; GHG reductions vary by production scenario. Land‐use‐change effects are not included due to a lack of applicable data on short rotation forestry feedstock. Ethanol production with wood pellet co‐product, displacing coal in electricity generation, performs best amongst co‐products in terms of GHG mitigation (−109% relative to gasoline, WTW basis). Maximizing pellet output, although requiring import of predominately fossil‐based process energy, improves overall GHG‐mitigation performance (−130% relative to gasoline, WTW). Similarly, lower ethanol yields result in greater GHG reductions because of increased co‐product output. Co‐locating ethanol production with facilities exporting excess steam and biomass‐based electricity (e.g. pulp mills) achieves the greatest GHG mitigation (−174% relative to gasoline, WTW) by maximizing pellet output and utilizing low‐GHG process energy. By exploiting co‐location opportunities and strategically selecting co‐products, lignocellulosic ethanol can provide large emission reductions, particularly if based upon sustainably grown, high yield, low input feedstocks. © 2011 Society of Chemical Industry and John Wiley & Sons, Ltd

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,221
Écart entre enseignants0,195 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle