Life‐cycle assessment of full‐scale membrane bioreactor and tertiary treatment technologies in the fruit processing industry
Notice bibliographique
Résumé
A life-cycle assessment (LCA) study was completed to assess the environmental impacts of an on-site wastewater treatment system in the fresh-cut fruit processing industry consisting of a membrane bioreactor (MBR), followed by reverse osmosis (RO) and ultraviolet (UV) disinfection. The system boundaries comprised raw materials extraction and processing, transportation, construction, operation, and waste disposal. SimaPro 8.0.4.26 was used as the software tool, supported by two impact assessment methods (ReCiPe v1.11 and TRACI v2.1). Analysis showed that the treatment capacity of the MBR and tertiary technologies contributed the least damage to the ecosystem when compared with the other three scenarios and can provide water for reuse. Treating wastewater in municipal wastewater treatment plants (WWTPs) mitigated eutrophication like the MBR system but resulted in more environmental impacts from climate change and human health when compared with the on-site treatment system. Findings will be informative to stakeholders in the fresh-cut agri-food sector seeking input into selecting the appropriate treatment approach, with water reuse a goal. PRACTITIONER POINTS: Life-cycle analysis was completed on a fruit processing facility using MBR + RO + UV. On site treatment with MBR + RO UV provides least amount of environmental impact. Use of MBR + RO + UV treatment on fruit wastewater allows for water reuse. ReCiPe v1.11 and TRACI v2.1 give similar LCA results, with TRACI recommended for North American analysis.
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 | 0,001 | 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 | 0,001 |
| 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) | 0,001 | 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 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 ».