MétaCan
Menu
Retour à la cohorte
Enregistrement W3204809253 · doi:10.3390/en14196159

Chemical Methods for Hydrolyzing Dairy Manure Fiber: A Concise Review

2021· review· en· W3204809253 sur OpenAlexafffund
Noori M. Cata Saady, Fatemeh Rezaeitavabe, Juan Enrique Ruiz Espinoza

Notice bibliographique

RevueEnergies · 2021
Typereview
Langueen
DomaineEngineering
ThématiqueBiofuel production and bioconversion
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésChemistryHemicelluloseCelluloseLigninAnaerobic digestionPulp and paper industryManureXyloseHydrolysisEnzymatic hydrolysisFermentationFood scienceBiochemistryOrganic chemistryAgronomyMethane

Résumé

récupéré en direct d'OpenAlex

This paper reviews the chemical hydrolysis processes of dairy manure fiber to make its sugar accessible to microorganisms during anaerobic digestion and identifies obstacles and opportunities. Researchers, so far, investigated acid, alkali, sulfite, and advanced oxidation processes (such as hydrogen peroxide assisted by microwave/ultrasound irradiation, conventional boiling, and wet oxidation), or their combinations. Generally, dilute acid (3–10%) is less effective than concentrated acid (12.5–75%), which decrystallizes the cellulose. Excessive alkaline may produce difficult-to-degrade oxycellulose. Therefore, multi-step acid hydrolysis (without alkaline) is preferred. Such processes yielded 84% and 80% manure-to-glucose and -xylose conversion, respectively. Acid pretreatment increases lignin concentration in the treated manure and hinders subsequent enzymatic processes but is compatible with fungal cellulolytic enzymes which favor low pH. Manure high alkalinity affects dilute acid pretreatment and lowers glucose yield. Accordingly, the ratio of manure to the chemical agent and its initial concentration, reaction temperature and duration, and manure fineness need optimization because they affect the hydrolysis rate. Optimizing these factors or combining processes should balance removing hemicellulose and/or lignin and increasing cellulose concentrations while not hindering any subsequent process. The reviewed methods are neither economical nor integratable with the on-farm anaerobic digestion. Economic analysis and energy balance should be monolithic components of the research. More research is required to assess the effects of nitrogen content on these processes, optimize it, and determine if another pretreatment is necessary.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,044
Tête enseignante GPT0,361
Écart entre enseignants0,317 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetBiofuel production and bioconversionTravaux en français237 207