Valorization of Bark Using Ethanol–Water Organosolv Treatment: Isolation and Characterization of Crude Lignin
Notice bibliographique
Résumé
Bark serves multiple functions for a tree by combining protection and fluid transport. The tissue itself is composed of multiple types of material that includes typical cell wall structural polymers of cellulose and lignin, as well as extractives. With suitable fractionation, these bark constituents may serve to help valorize biomass when converted into feedstocks for polymeric precursors, such as aromatic polyols. In this study, organosolv processing was used to solubilize around 50% of pine bark (PB) and oak bark (OB), followed by the recovery of around 20% crude lignin. Two-dimensional 1H–13C heteronuclear single quantum coherence (2D HSQC) NMR and 13C NMR revealed the crude lignin also contained mixed polyphenolics, suberin-compounds, and carbohydrate compounds, especially for PB. To optimize the extraction process, a two-level factorial design was used to study the impacts of temperature, ethanol concentration, and solid loading on the yield and related characteristics of crude lignin. Increased temperature and ethanol concentration during processing allowed more solubilization of the components along with the extraction of crude lignin with higher yield. The correlation analysis found that the thermal stability of crude lignin had a direct relationship with aromatic hydroxyl group content, while the glass transition temperature was impacted by the lower molar mass components contained in the crude lignin. Overall, the study showed promise to solubilize a high portion of bark material and provided insight into structure–property relationships of crude lignin-derived from an important, yet underutilized resource as a function of processing conditions.
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 | 0,000 | 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 | 0,000 |
| 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) | 0,000 | 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 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 ».