Valorization of Agricultural Ashes from Cold and Temperate Regions as Alternative Supplementary Cementitious Materials: A Review
Notice bibliographique
Résumé
The pursuit of sustainable alternatives to portland cement has become a global imperative within the construction sector, driven by the need to reduce carbon dioxide emissions and energy consumption. Among the promising alternatives, agricultural ashes have garnered attention for their potential as alternative supplementary cementitious materials (ASCMs), owing to their inherent pozzolanic properties when appropriately processed. However, the availability and utilization of these ashes have predominantly been concentrated in tropical and subtropical regions, where such biomass is more abundant. This review offers a comprehensive bibliometric analysis to identify and assess agricultural ashes (specifically switchgrass, barley, sunflower, and oat husks) that are cultivated in temperate and cold climates and exhibit potential for SCM application. The analysis aims to bridge the knowledge gap by systematically mapping the existing research landscape and highlighting underexplored resources suitable for cold-region implementation. Key processing parameters, including incineration temperature, retention duration, and post-combustion grinding techniques, are critically examined for their influence on the resulting ash’s physicochemical characteristics and pozzolanic reactivity. In addition, the effect on fresh, hardened, and durability properties was evaluated. Findings reveal that several crops grown in colder regions may produce ashes rich in reactive silica, thereby qualifying them as viable ASCM candidates and bioenergy sources. Notably, the ashes derived from switchgrass, barley, oats, and sunflowers demonstrate significant reactive silica content, reinforcing their potential in sustainable construction practices. Hence, this study underscores the multifaceted benefits of contributing to the decarbonization of the cement industry and circular economy, while addressing environmental challenges associated with biomass waste disposal and uncontrolled open-air combustion.
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 | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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; 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 ».