MétaCan
Menu
Retour à la cohorte
Enregistrement W3114794462 · doi:10.35229/jaes.837006

A Study On The Biomass Energy Potential Of Turkey: Example Of Wood Pellets

2020· article· en· W3114794462 sur OpenAlexaboutno aff
Devlet Toksoy, Semra Çolak, Mahmut Bayramoğlu

Notice bibliographique

RevueJournal of Anatolian Environmental and Animal Sciences · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueForest Biomass Utilization and Management
Établissements canadiensnon disponible
Organismes subventionnairesKaradeniz Teknik Üniversitesi
Mots-clésPelletsRenewable energyPelletBiomass (ecology)SawdustRenewable fuelsWood fuelEnvironmental scienceFossil fuelAgricultural economicsBioenergyWaste managementPulp and paper industryEngineeringEconomicsMaterials scienceAgronomy

Résumé

récupéré en direct d'OpenAlex

Wood Pellet, one of the biomass fuels in renewable energy sources, stands out among all renewable energy sources with it’s ease of production technology, environmental friendliness and similar features. Wood pellets, which are fuel pellets of 6-10 mm diameter, which are obtained from the drying of wood waste, milling it into sawdust and then compressing it with high pressure, have become economically comparable with fossil fuels today. Wood pellet trade worldwide increased by more than 21% in 2018 compared to the previous year, reaching a trade volume of 22.3 million tons. The biggest pellet exporter countries in the world since 2012 are USA, Canada, Vietnam, Latvia and Russia respectively. These countries accounted for approximately 69% of the world export volume in 2018. Except for five countries, they continue to work on alternative energy sources and especially the production, technology, use and properties of wood pellets in China. In Turkey, there are studies on the production of wood pellets and the economy. However, these studies need to be updated both in terms of production and economics. In the study, analyzed the current data with the potential that Turkey has developed proposals for the use of this potential.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,656
Score d'incertitude au seuil0,163

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)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,198
Écart entre enseignants0,178 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Anatolian Environmental and Animal SciencesMême sujetForest Biomass Utilization and ManagementTravaux en français237 207