Lifecycle Analysis of Bio-Ethanol Production in Nipawin, SK Using Effluent Irrigated Plantations as Feedstock
Notice bibliographique
Résumé
Nipawin, Saskatchewan is in the preliminary stages of planning a commercial-scale ethanol plant which will use biomass as feedstock. Through gasification and catalysis, biomass will be used to produce 75 million L year1 of bio-ethanol. This study proposed three means of supplying biomass to the plant: 1) wood residue, 2) hybrid poplar (HP) afforestation plantations, and 3) HP afforestation plantations irrigated with municipal wastewater effluent (municipal wastewater effluent). To analyze the performance of the ethanol, the lifecycle analysis (LCA) model GHGenius was used. Both afforestation scenarios assumed a 10-year growth rotation, after which the biomass was harvested for feedstock. The project baseline considered how the transportation fuels would have been produced and used in light duty vehicles (LDV) with conventional gasoline and was compared to ethanol blended with gasoline in the amounts of 10% (E10) and 85% (E85). Lifecycle GHG emission reductions were 5.5, 5.9 and 7% for E10 produced from wood residue, afforestation plantations and afforestation plantations irrigated with MWWE, respectively, and 67, 72 and 84% for E85 produced from forest residue, afforestation and afforestation irrigated with MWWE, respectively, when compared to conventional gasoline. Thus, bio-ethanol as a gasoline/ethanol blend is an important means to reduce greenhouse gas emissions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».