MétaCan
Menu
Retour à la cohorte
Enregistrement W2977553203 · doi:10.29173/aar50

Production of Biochar from Biomass

2019· article· en· W2977553203 sur OpenAlexaffvenue
Iqmat Iyiola, Deepak Pudasainee, Monir Khan, Rajender Gupta

Notice bibliographique

RevueAlberta Academic Review · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésBiocharSlash-and-charBiomass (ecology)PyrolysisCharcoalCarbon sequestrationEnvironmental scienceNitrogenRaw materialThermogravimetric analysisCombustionCarbon fibersPulp and paper industryEnvironmental chemistryChemistryAgronomyMaterials scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Biochar is a kind of charcoal that’s produced from biomass using pyrolysis technology. As climate change continues to be a growing concern, biochar has been sought for its environmental applications. It is both cost effective and environmentally sound in terms of being a soil additive and renewable fuel. When used as a soil amendment, biochar has been shown to improve water holding capacity and absorb more nutrients. Biochar also sequesters carbon dioxide when applied to soil, and can also be used as a replacement for activated carbon that is prepared from coal. The objectives of this research was to produce biochar from biomass and study biochar’s properties. A thermogravimetric analysis (TGA) was used to measure the weight loss behavior of the wood sample (biomass) as the temperature increased. The biomass was heated to 500 °C in a nitrogen atmosphere and then cooled in nitrogen to prevent combustion of biochar. The overall yield of biochar was 15%. Elemental analysis of biomass shows the composition of the sample to be mostly carbon and oxygen with fewer amounts of hydrogen and nitrogen. Surface area of the prepared biochar was 305 m2/g, which is approximately 100 times the surface area of raw biomass. Biochar’s higher porosity will allow for greater absorption of nutrients when applied to soil.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,135
Score d'incertitude au seuil1,000

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)0,0010,002

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 Opus0,011
Tête enseignante GPT0,233
Écart entre enseignants0,222 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAlberta Academic ReviewMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207