Thermal Treatment of Biomass: A Bibliometric Analysis—The Torrefaction Case
Notice bibliographique
Résumé
The aim of the paper was to summarize and discuss current research trends in biomass thermal treatment (torrefaction process). Quantitative analyses were carried out, in which the main countries, research units and scientists were indicated. The analysis showed a clear upward trend in number of publications after 2010. Most scientists on selected topics come from China, USA, Canada, South Korea, Republic of China, Poland (Web od Science—Core Collection (WoS-CC) and Scopus databases). Quantitative analysis also showed that the most relevant WoS-CC categories in the summary are: Energy Fuels, Engineering Chemical, Agricultural Engineering, Biotechnology Applied Microbiology and Thermodynamics and Scopus Subject area: Energy, Chemical Engineering, Environmental Science, Engineering and Chemistry. Thematic analysis included research topics, process parameters and raw materials used. Thematic groups were separated: torrefaction process (temp.: 150–400 °C), hydrothermal carbonization process (HTC) (temp: 120–500 °C), pyrolysis process (temp.: 200–650 °C) and gasification and co-combustion process (temp.: 350–1600 °C). In the years 2015–2019, current research topics were: new torrefaction technologies (e.g., HTC), improvement of the physico-mechanical, chemical and energetic properties of produced fuel as well as the use of torrefied biomass in the process of pyrolysis, gasification and co-combustion. The raw materials used in all types of biomass thermal treatment were: energy crops, wood from fast-growing and exotic trees, waste from the agri-food industry, sewage sludge and microalgae.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,097 | 0,201 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».