Notice bibliographique
Résumé
This study summarizes major sources of organic wastes in the Detroit region to (1) characterize target feedstock magnitudes and distribution in support of techno-economic analysis (TEA), and (2) guide the design of blended feedstock conversion experiments using hydrothermal liquefaction (HTL). Feedstocks considered in this review include municipal wastewater sludge solids (untreated) and scum; bulk municipal solid waste (MSW); the organic fraction of municipal solid waste (OF-MSW); residential food waste, non-residential food waste including institutional, industrial, and commercial (IIC) sources; confined animal manures (i.e., lactating dairy, feedlot beef, and market swine); waste fats, oils and greases (FOG); agricultural residues; forest residues. The scope of the investigation was limited to existing modeled or publicly available reporting datasets. Bulk MSW data were only collected for context and to generate estimates of OF-MSW by waste type and should not be included in total organic waste estimates. Because the TEA analysis boundary was not defined prior to conducting the resource assessment, the data are summarized within six spatial contexts (boundaries), including (1) city of Detroit (census); (2) Great Lakes Water Authority (GLWA) service area; “Tri-county” urban area (census); “Metro” Detroit-Warren-Dearborn Metropolitan Statistical Area (MSA) (census); Detroit-Warren-Ann Arbor Combined Statistical Area (CSA) (census); and the Michigan Councils of Government (COG) Region-1. All of the spatial contexts are entirely within the State of Michigan, and some overlap one another. A broader context could be developed to include data from surrounding states or Canada.
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 | 0,002 | 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 | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».