MétaCan
Menu
← Retour à la cohorte
Enregistrement W4311853042 · doi:10.3390/su142416383

Recovery of Sugar and Nutrients from Algae and Colocasia esculenta (Taro) Leaves Using Chemical Hydrolysis

2022· article· en· W4311853042 sur OpenAlexaff
Swati Dahiya, Raja Chowdhury, Pradeep Kumar, Sanjoy Ghosh, Asha Srinivasan

Notice bibliographique

RevueSustainability · 2022
Typearticle
Langueen
DomaineEnergy
ThématiqueAlgal biology and biofuel production
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésChemistryBiomass (ecology)Colocasia esculentaFerricNutrientHydrolysisAcetic acidSugarBotanyFood scienceAgronomyBiologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Algal biomass and Colocasia esculenta (Taro) leaves are available as waste biomass all over India. These biomasses can be used as renewable and sustainable resources for sugars and nutrients. Recovered nutrients and sugars can be used as cheap raw materials for biofuels and biomaterials production. The hydrolysis of dried algal biomass and Colocasia esculenta (Taro) leaves were investigated using 1%, 2%, and 5% solutions of ferric-chloride, nitric acid, and acetic acid for the reaction times of 30 and 60 min at 121 °C and 103.4 kPa (15 psi). 1% and 2% H2SO4 treatments were used as the reference. The solid: liquid ratio was kept at 1:10 for all the experiments. For algal biomass, a 5% acetic acid treatment for 60 min was found to be optimum with a total carbohydrate release of 44.2 mg/g biomass (solubilized monomers-0.82 mg/g of biomass) and N and P solubilization of 1.8 mg total nitrogen/g biomass and 7 mg total phosphorus/g biomass. Moreover, for Colocasia esculenta (Taro) leaves, the maximum carbohydrate yield of 95 mg/g biomass (solubilized monomers-43.6 mg/g of biomass) and nutrient solubilization of 5.02 mg total nitrogen/g biomass was obtained with 5% ferric chloride treatment for 60 min. The results obtained showed that various hydrolyzing agents used in this study acted differently on different types of biomasses. Acetic acid worked best in hydrolyzing the algal biomass, and for the hydrolysis of Taro leaves, ferric chloride and nitric acid were effective. Statistical analysis showed that the chemical concentration was one of the prime factors for releasing P from algal biomass. For carbohydrate release from Taro leaves, either time or concentration, or both, were the prime factors that affected the carbohydrate release.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
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 Opus0,009
Tête enseignante GPT0,232
Écart entre enseignants0,223 · 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'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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainability→Même sujetAlgal biology and biofuel production→Travaux en français237 207→