MétaCan
Menu
Retour à la cohorte
Enregistrement W4318464569 · doi:10.4236/ijg.2023.141002

Physico-Chemical Characterization of Nine Agricultural Biomasses of the Togolese Flora

2023· article· en· W4318464569 sur OpenAlexaff
Adjo Cynthia Kouakou, Kokou Agbékonyi Agbodan, Awèdéou Bakpo, Moursalou Koriko, Koffi Fiaty, Oudjaniyobi Simalou, Koffi Jondo

Notice bibliographique

RevueInternational Journal of Geosciences · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnergy and Environment Impacts
Établissements canadiensMinistère des Ressources naturelles et des Forêts (Québec)
Organismes subventionnairesUniversité Claude Bernard Lyon 1
Mots-clésCharcoalBriquetteBiomass (ecology)Pulp and paper industryEnvironmental scienceCoalBiofuelPyrolysisRaw materialChemical compositionAnthraciteBioenergyTorrefactionDehydrationWaste managementChemistryAgronomyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Green coal or bio-coal is coal produced with rich biodegradable materials, elaborated from agricultural and household residues with a high percentage of carbon. This green charcoal (fuel briquettes) is an alternative to charcoal. Well known for its contribution to greenhouse gas emissions, charcoal is one of the causes of tree felling. The valorization of waste by the manufacture of biofuels could be an alternative to the use of charcoal. The general objective of the present study is the valorization of nine biomasses from Togo as raw materials. Specifically, physico-chemical characteristics such as dehydration, acidity, and conductivity were determined. Information on the structure and composition of the biomass was found. These data on the nature of the biomass were found through the use of Fourier Transform Infrared (FTIR) and Thermogravimetry (TGA). The promising results inform on the nature of the analyzed samples and allow the selection of the best biomass which would give an important thermal conductivity for the manufacture of the briquettes, but also of the binders to be used according to the physico-chemical characteristics like the pH.

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 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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,691
Score d'incertitude au seuil0,231

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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,008
Tête enseignante GPT0,226
Écart entre enseignants0,217 · 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 tête enseignante, 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of GeosciencesMême sujetEnergy and Environment ImpactsTravaux en français237 207