Evaluating microalgae‐to‐energy ‐systems: different approaches to life cycle assessment (<scp>LCA</scp>) studies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Life cycle assessment ( LCA ) is a valuable tool for determining the environmental impacts associated with different products and has been widely used to assess biofuel production. As a scientific methodology rather than a standardized test, every LCA may be thought of as unique in terms of the selection of functional units or determination of system boundaries. Researchers generally tailor the method to meet the specific goals of their own investigations. This review examines a number of LCAs used to evaluate microalgae‐to‐energy systems, and evaluates their contributions in terms of their ability to support commercialization efforts in this sector. To this end, a new scoring system for LCAs is proposed based on input/output flows, data origin, production technologies and system boundaries, selection of assumptions and variables, as well as the ability to track environmental, economic, and social impacts. The review suggests that, while a wide variety of new technological pathways for microalgae‐to‐energy systems are being assessed, the majority of studies reported employ relatively limited system boundaries that may not capture the full impacts of the processes. The number of environmental impact factors being tracked is limited, and many studies do not consider important impacts such as water or land use. Most studies do not incorporate critical information about economics related to new process configurations, which will be essential to support commercialization efforts in this area. © 2016 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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 découle