Evaluation and modelling of methane production from corn stover pretreated with various physicochemical techniques
Notice bibliographique
Résumé
Lignocellulosic by-products from agricultural crops represent an important raw material for anaerobic digestion and clean renewable, which is a key component of the circular economy. Lignocellulose is recalcitrant to biodegradation and pretreatments are required to increase methane yield during anaerobic digestion. In this work, the efficacy of different physicochemical pretreatments was compared using corn stover biomass as substrate. Anaerobic digestion of untreated and pretreated corn stover was performed in batch mode at mesophilic temperature (38°C) and organic matter solubilization of pretreated substrates was also investigated. The highest organic matter solubilization occurred in autoclave pretreatment (soluble chemical oxygen demand = 5630 ± 42 mg O 2 L −1 ). However, the highest methane yield was obtained using alkaline pretreatment (367 ± 35 mL CH 4 g −1 VS added ). Alkaline pretreatment increased methane yield by 43.3% compared to untreated control (256 ± 15 mL CH 4 g −1 VS added ). Two mathematical models (i.e. first-order kinetics and transfer function) were utilized to fit the experimental data with the aim of assessing anaerobic biodegradation and to obtain the kinetic constants in all cases studied. Both models adequately fit the experimental results. The kinetic constant, k, of the first-order model increased by 92.8% when stover was pretreated with sulphuric acid compared with control. The transfer function model revealed that the maximum methane production rate, R m , was obtained for the sulphuric acid treatment, which was 63.5% higher compared to control.
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 | 0,003 | 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 ».