MétaCan
Menu
Retour à la cohorte
Enregistrement W4391219345 · doi:10.3390/su16031052

Novel Energy-Saving Strategies in Apple Storage: A Review

2024· review· en· W4391219345 sur OpenAlexaff
Felix Büchele, Kiran Hivare, Kartik Khera, Fábio Rodrigo Thewes, Luiz Carlos Argenta, Tuany Gabriela Hoffmann, Pramod V. Mahajan, Robert K. Prange, Sunil Pareek, Daniel Alexandre Neuwald

Notice bibliographique

RevueSustainability · 2024
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePostharvest Quality and Shelf Life Management
Établissements canadiensUniversity of Guelph
Organismes subventionnairesLandwirtschaftliche Rentenbank
Mots-clésEnergy storageComputer scienceEnvironmental scienceProcess engineeringEnvironmental economicsEngineeringEconomicsPhysics

Résumé

récupéré en direct d'OpenAlex

Storing apples for up to a year is a well-established practice aimed at providing a continuous, locally produced fruit supply to consumers and adapting to market trends for optimized profits. Temperature control is the cornerstone of postharvest conservation, and apples are typically kept at temperatures ranging from 0 to 3 °C. However, the energy-intensive process of the initial cool-down and subsequent temperature maintenance poses significant financial challenges with adverse effects on the carbon footprint. Higher storage temperatures could reduce cooling-related energy usage but also pose the risk of enhanced ripening and quality loss. This work explores different storage technologies aiming to reduce energy consumption, such as 1-methylcyclopropene, ultra-low oxygen, and a dynamically controlled atmosphere with raised temperatures. The integration of advanced monitoring and control systems, coupled with data analytics and energy management, in apple storage is also discussed. These strategies can be implemented without cost-intensive construction measures in standard storage facilities. Furthermore, beneficial side effects of higher storage temperatures in terms of a reduced occurrence of storage disorder symptoms and higher maintenance of quality attributes are also discussed for this special issue on sustainable horticultural production systems and supply chains.

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)0,002
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,977
Score d'incertitude au seuil0,730

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,055
Tête enseignante GPT0,340
Écart entre enseignants0,285 · 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'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

Citations15
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetPostharvest Quality and Shelf Life ManagementTravaux en français237 207