Improving agricultural sustainability – A review of strategies to valorize tomato plant residues (TPR)
Notice bibliographique
Résumé
• Valorization is needed for post-harvest biomass from tomato agriculture (TPR) • TPR is rich in lignocellulosic materials and extractable compounds. • TPR requires use with other materials to be a competitive product alternative. • Full use of TPR can require coordination with other valorization methods. • Tomato plant residue valorization is an integrative endeavor. Considerations for the modification of agricultural practices and waste management to improve environmental sustainability remain a subject of great importance. Prioritization of intensive mass food production to meet the demand of an increasing human population has introduced a multitude of environmental issues due to, among other factors, the large volumes of waste output. Tomato production in greenhouses, for example, generates tonnes of bio-waste per hectare each harvest including green tomato plant residues ( i.e. , stems, leaves, branches). Giving value to these green tomato plant residues collected during the growing cycle and after harvest has not proven straightforward despite a massive yearly release of tonnes of carbon dioxide from stems and leaves disposed on landfills. This paper aims to summarize current research in tomato plant residue valorization and to identify considerations for future valorization strategies. Peer reviewed articles, scientific books and governmental, economic and statistical reports on the topic of tomato plant residues were collected and analyzed. Focuses included traditional valorization approaches, bio-refinement strategies and conversion of fiber-rich residues into high value packaging materials. Initiatives for sustainable agriculture, their market relevance, and the strengths and weaknesses of using tomato plant residues in these valorization approaches are discussed. Overall, it was concluded that valorization of tomato plant residues would be a highly integrative endeavor that would require coordination from multiple levels in the agricultural production chain.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».