Corn cob pyrolysis: A systematic literature review of methods and applications
Notice bibliographique
Résumé
Abstractas The agricultural sector is experiencing a surge in waste generation due to population growth, creating an urgent need to convert byproducts into value‐added products. Maize ( Zea mays L.), a leading global crop, produces significant byproducts, such as corn cob, which are often undervalued. Biomass, including corn cob, is a promising carbon‐neutral energy source. While combustion is commonly used, pyrolysis is gaining traction due to its ability to generate solid (biochar), liquid (bio‐oil), and gaseous products, each with various applications. This study presents a systematic literature review on the pyrolysis of corn cob, utilizing three databases: Scopus, Web of Science, and Springer. This search resulted in a portfolio composed of 409 research papers. The Normalized Index for Ranking Papers (NIRP) method was employed to rank the selected papers, followed by bibliometric and systematic analyses. The review identifies key trends, publication dynamics, and influential works in the field. It highlights China's leading role in research output and citation impact and provides insights into the evolution of research topics and methodologies. The review emphasizes the significance of biomass pyrolysis as a viable alternative to fossil fuels, commercial adsorbents, catalyst supports, and fertilizers, providing both economic and environmental benefits. By examining the current state of research, this work seeks to inform future studies and promote the advancement of efficient and eco‐friendly waste conversion technologies. The findings aim to encourage further exploration of biomass pyrolysis, highlighting its potential to contribute to sustainable resource management and reduce reliance on non‐renewable resources.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».