MétaCan
Menu
Retour à la cohorte
Enregistrement W3210475910 · doi:10.13031/trans.14515

Comparative Life Cycle Assessment of Edible Vegetable Frying Oils

2021· article· en· W3210475910 sur OpenAlex
Valentina Prado, Jesse Daystar, Steven Pires, Michele Wallace, Lise Laurin

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueTransactions of the ASABE · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhotovoltaic Systems and Sustainability
Établissements canadiensFuture Earth
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Life-cycle assessmentEnvironmental scienceCottonseed oilVegetable oilClimate changeEdible oilCottonseedScarcityAgricultural sciencePulp and paper industryEngineeringProduction (economics)GeographyFood scienceChemistryEconomics

Résumé

récupéré en direct d'OpenAlex

Highlights Cottonseed oil (CSO), a cotton byproduct, has advantages for climate change compared to other seed oils. Results show that the cultivation phase is the main impact driver for all vegetable oils analyzed in this study. Refined CSO (U.S.) can reduce climate change impacts by up to 83% as compared to the other oils analyzed. Abstract . Edible vegetable oils are a major source of climate change impacts and an environmental concern in the processed food industry. This study consists of a cradle-to-grave life cycle assessment (LCA) of refined U.S. cottonseed oil (CSO), global soybean oil, U.S. canola oil, and palm oil sourced from Indonesia and Malaysia. Considering the oils equivalent for deep frying, they are compared on a 1 kg of oil basis. Analysis includes sensitivity analyses for modeling allocation choices and oil mixes as well as uncertainty analysis. Results show that the cultivation phase is the main impact driver for all vegetable oils analyzed, which favors CSO (U.S.) because it is a co-product. Refined CSO (U.S.) can reduce climate change impacts by up to 83%. Overall, refined CSO (U.S.) was a top performer in six of the eight impact categories evaluated. When ranking the oils, refined CSO (U.S.) was the preferred choice. Despite being the preferred choice, there are tradeoffs with CSO, such as water scarcity. In the context of global-scale commercial frying applications, e.g., McDonald’s daily French fry production of 9 million tons per day, switching the frying oil to refined CSO (U.S.) represents potential savings of 1,130 to 2,188 tons of CO2-eq d-1. For fast-food chains seeking to reduce their climate change impacts, refined CSO (U.S.) may be useful in frying applications. However, opportunities may exist for improvement in water use efficiency in the cultivation phase, which reinforces the need for continuous improvements in agriculture. Keywords: Comparative life cycle assessment, Canola oil, Cottonseed oil, Cotton sustainability, Fast-food industry, LCA, Palm oil, Soybean oil, Vegetable frying oils.

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 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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,269
Score d'incertitude au seuil1,000

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)0,0010,000

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 Opus0,017
Tête enseignante GPT0,279
Écart entre enseignants0,262 · 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