Comprehensive review of water management and wastewater treatment in food processing industries in the framework of water‐food‐environment nexus
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Food processing is among the greatest water-consuming industries with a significant role in the implementation of sustainable development goals. Water-consuming industries such as food processing have become a threat to limited freshwater resources, and numerous attempts are being carried out in order to develop and apply novel approaches for water management in these industries. Studies have shown the positive impact of the new methods of process integration (e.g., water pinch, mathematical optimization, etc.) in maximizing water reuse and recycle. Applying these methods in food processing industries not only significantly supported water consumption minimization but also contributed to environmental protection by reducing wastewater generation. The methods can also increase the productivity of these industries and direct them to sustainable production. This interconnection led to a new subcategory in nexus studies known as water-food-environment nexus. The nexus assures sustainable food production with minimum freshwater consumption and minimizes the environmental destructions caused by untreated wastewater discharge. The aim of this study was to provide a thorough review of water-food-environment nexus application in food processing industries and explore the nexus from different aspects. The current study explored the process of food industries in different sectors regarding water consumption and wastewater generation, both qualitatively and quantitatively. The most recent wastewater treatment methods carried out in different food processing sectors were also reviewed. This review provided a comprehensive literature for choosing the optimum scenario of water and wastewater management in food processing industries.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle