MétaCan
Menu
Retour à la cohorte
Enregistrement W2262093755 · doi:10.13031/aim.20141904742

Investigating cost of delivering Switchgrass (Pnicum Virgatum) to a greenhouse using IBSAL model

2014· article· en· W2262093755 sur OpenAlexfundaboutno aff
Hamid Khaleghi Hamedani, Shahab Sokhansanj, Anthony Lau, Jake DeBruyn, Mahmoud Ebadian

Notice bibliographique

Revue2014 ASABE Annual International Meeting · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueForest Biomass Utilization and Management
Établissements canadiensnon disponible
Organismes subventionnairesOntario Ministry of Food and AgricultureU.S. Department of Energy
Mots-clésGreenhouseGreenhouse gasPanicum virgatumEnvironmental scienceBiomass (ecology)Dry matterAgricultural engineeringBioenergyWaste managementAgronomyBiofuelEngineeringEcology

Résumé

récupéré en direct d'OpenAlex

<abstract> <bold>Abstract.</bold> In this paper, the logistics system to deliver Switchgrass to a greenhouse in Ontario was evaluated. The daily heat demand of a greenhouse of 10000 <inline-graphic id=ID0EDGAE xlink:href=141904742_files/141904742-05.jpg/> in 2012 was calculated. The annual biomass demand of the greenhouse was 2177 Mg (with a boiler with the efficiency of 70%). The Integrated Biomass Supply Analysis and Logistics (IBSAL) model was used for simulating biomass logistics system. Three different farms in Clinton, Ontario were investigated in this study. The biomass logistics system included harvesting, raking, baling, loading, transportation, and storage. Cost, energy and carbon emission for the entire logistics system were estimated to be 64.72 $/Mg, 151.27 MJ/Mg and 10.37 kg CO2/Mg, respectively. The annual dry matter loss was 474 Mg. Two different harvest scenarios were compared, fall and winter harvests. The comparison showed that it is more viable to have winter harvest. To meet the demand of the greenhouse, there are two options of having another supplier, or decreasing the dry matter losses.

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 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 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: Empirique
Score de désaccord entre enseignants0,332
Score d'incertitude au seuil0,853

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 Opus0,017
Tête enseignante GPT0,254
Écart entre enseignants0,237 · 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 tête enseignante, 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

Citations1
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revue2014 ASABE Annual International MeetingMême sujetForest Biomass Utilization and ManagementTravaux en français237 207