Valorising Agricultural Residues into Pellets in a Sustainable Circular Bioeconomy
Notice bibliographique
Résumé
It is a truism by now that the combustion of fossil fuels has execaerbated climate change, and its repercussions. Biomass in pelletised form, will emerge as substitutes, in the circular bioeconomies of the future. This brief review focuses on the utilisation of agricultural residues as raw materials for pellets, and explores the aspects of sustainability – socio-cultural, economic, environmental, and techno-functional – in the 20-plus peer-reviewed articles selected for that purpose using Scopus with a set of search-phrases. The articles are case studies dated between 2012 to 2023, tracing their provenance to different countries in the world – Brazil, Canada, China, Denmark, Greece, India, Italy, Mexico, Peru, Spain, Thailand, Türkiye, Zambia, etc. Among the many gleanings which are reported in this review, some deserve mention here in the abstract. The social aspect of sustainability has not been studied as much as the economic and environmental. The case studies emphasize the importance of adapting the pelleting process to the properties of the agricultural/horticultural residues and the prevalent local conditions. It is encouraging to note that there is a surfeit of agricultural residues (corn, coffee, quinoa, beans, oats, wheat, olives, tomatoes, pomegranates, grapes, etc. in the articles reviewed) which can be valorised to pellets, also in combination with the in-vogue forestry wastes. This is more advisable if the status quo is open burning of such residues in the fields. The journey towards the sustainable development goals (SDGs) will be aided by investments in such biorefinery-projects, SDG 17 is extremely vital for their success – collaboration and cooperation among several stakeholders around the world. This review, though based on only 20-plus articles from around the world, is an in-depth analysis which promises to be of interest to decision-makers and sustainability-specialists keen on contributing to the transition to a circular bioeconomy.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».