MétaCan
Menu
Retour à la cohorte
Enregistrement W2068765477 · doi:10.1139/cjfr-2014-0205

Bioenergy potential from wood residuals in Alberta: a positive mathematical programming approach

2014· article· en· W2068765477 sur OpenAlexaffvenueabout
Kurt Niquidet, Devon Friesen

Notice bibliographique

RevueCanadian Journal of Forest Research · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueForest Biomass Utilization and Management
Établissements canadiensUniversity of VictoriaCanadian Sport Centre PacificCanadian Forest Service
Organismes subventionnairesnon disponible
Mots-clésBioenergyRaw materialBiomass (ecology)Environmental scienceWood processingSector modelMarginal costNatural resource economicsAgricultural engineeringAgricultureBusinessBiofuelAgroforestryWaste managementEngineeringForestryEconomicsEcologyGeography

Résumé

récupéré en direct d'OpenAlex

A major risk for many existing and planned wood-based bioenergy facilities is the uncertainty regarding future feedstock supply. Many bioenergy projects use waste generated from primary sectors such as lumber, and, therefore, carry the inherent risk of supply fluctuations if these industries change. To assess the long-term viability of a wood-based bioenergy facility, it is necessary to understand how biomass feedstock fluctuates with other sectors and at what cost supply can be made available. We address these issues by constructing a positive mathematical programming (PMP) model of the Alberta forest sector that focuses on optimizing fibre transfer routes. Through the use of PMP, we derive a marginal cost function for harvesting and hauling fibre to each processing facility. The results indicate that woody residual supply is quite sensitive to market conditions in the primary sector. For the most part, to support bioenergy expansion, feedstock will need to be sourced from the forest, as very few surplus mill residues are available even at high lumber prices. However, we estimate the marginal cost of delivering harvesting residues to be significant, which suggests that policy support will be needed for further bioenergy development.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,624
Score d'incertitude au seuil0,747

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,020
Tête enseignante GPT0,258
Écart entre enseignants0,238 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest Biomass Utilization and ManagementTravaux en français237 207