Developments in crops and management systems to improve lignocellulosic feedstock production
Notice bibliographique
Résumé
Abstract There is an urgent need to develop viable, renewable, sustainable energy systems that can reduce global dependence on fossil fuel sources of energy. Biofuels such as ethanol are being utilized as blends in surface transportation fuels and have the potential to improve sustainability and reduce greenhouse gas emissions in the short term. Bioethanol, the most widely used liquid biofuel, is currently produced by converting sugars or starches from feed crops into ethanol. Use of this fuel source displaces and draws water consumption away from agricultural crops, increases soil erosion by shifting land from perennial grasses to annual crops, and increases use of fertilizers and insecticides. In contrast, bioethanol made from lignocellulosic biomass feedstocks does not have these limitations and in addition, offers a larger resource base: the amount of cellulosic material available for potential use vastly outweighs the amount of available starch‐based feedstock. Therefore, bioethanol from lignocellulosic biomass has attracted considerable interest from biofuel developers. This review is an update of some developments to optimize cellulose extraction from feedstock crops and to improve crop yields and logistics. It concludes that agricultural and forestry systems that incorporate lignocellulosic biomass crops can be designed for improved ecological function and energy use efficiency. Development of crops that have both desirable cell‐wall traits and high biomass productivity under sustainable low‐input conditions can significantly enhance the economics and efficiency of the conversion process. Optimizing the logistics of moving feedstock from field or forest to bio‐refinery can significantly reduce costs of using lignocellulosic feedstocks. © 2013 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.
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 ».