Changes in ethanol production potential due to species, cultivar and location on the Canadian prairie
Notice bibliographique
Résumé
In recent years there has been a rapid growth in the fuel ethanol industry, increasing the need for a consistent supply of feedstock. This study was conducted to evaluate the potential of small grains in western Canada to supply feedstock to the ethanol industry. Thirty-one lines and cultivars of Canadian small grains were evaluated: eleven cultivars comprising five classes spring wheat, six cultivars of two and six row barley of feed, malting and hulless classes, eight cultivars of spring triticale and six cultivars of oat were grown at seven locations in western Canada and evaluated as feedstock for ethanol production. Starch concentrations and, for certain grains, β-glucan and pentosans were determined and used to estimate ethanol yields in L t -1 and L ha -1 . On average, ethanol yield in L t -1 was wheat > triticale > barley > oat; however, for yield in L ha -1 , only oat was inferior. This ranking was consistent across all locations tested. Estimates of ethanol yields indicated that certain cultivars within classes of grains were superior, such as CDC Buck, SWS 109, HY 617 and Pronghorn in the hulless barley, CWSWS, CPS-R and Triticale classes, respectively. Locations that produced the highest level of ethanol in one species tended to produce grain with the highest ethanol yields in the other species. Selection of cultivars with greater starch content, different starch quality and reduced pentosans as well as the advancements in and adoption of new fermentation technologies may lead to greater estimates of ethanol yields of small grain cereals in the future.Key words: Cereal grains, starch, pentosans, β-glucans, ethanol yield
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».