Toward sustainable post-harvest practices: A critical review of solar and wind-assisted drying of agricultural produce with integrated thermal storage systems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Postharvest drying is a critical step in reducing agricultural losses and ensuring food quality, especially in off grid and low-resource regions. This review uniquely explores the integration of solar and wind energy with thermal energy storage (TES) to overcome the intermittency challenges of renewable energy in agricultural drying. Drawing on over 100 studies, it evaluates system configurations, drying principles, and energy transfer mechanisms across various crops, with particular attention to heat-sensitive produce like herbs and fruits. Evidence shows that hybrid systems incorporating TES can achieve up to 70% energy savings and reduce drying time by 50–80%, while improving nutrient and aroma retention. The review categorizes and compares solar dryer types direct, indirect, and mixed mode and assesses passive and active wind-assisted drying for their role in enhancing convective transfer. It also analyzes TES materials (sensible and latent heat) and their integration strategies to stabilize temperature and extend drying cycles. Emerging smart dryers with IoT, AI-based controls, and CFD-optimized designs are discussed alongside their socioeconomic implications for low- and middle-income countries (LMIC). The article identifies key research gaps, including the need for harmonized performance metrics, field-scale validation, and locally manufactured modular systems. This interdisciplinary synthesis informs the development of scalable, climate-resilient drying solutions to enhance food security and rural livelihoods.
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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découle