MétaCan
Menu
Retour à la cohorte
Enregistrement W6929574910 · doi:10.5071/30theubce2022-1dv.5.11

International Supply of Solid and Liquid Biomass - Importance of Transportation in Costs and Greenhouse Gas Emissions

2022· article· en· W6929574910 sur OpenAlexaboutno aff

Notice bibliographique

Revuetub.dok (Hamburg University of Technology) · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueForest Biomass Utilization and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiomass (ecology)Greenhouse gasSupply chainEnergy cropAgricultureBioenergySupply and demandEnergy supply

Résumé

récupéré en direct d'OpenAlex

In globalized commodity markets, the orientation of the economy towards bio-economy and the energy transition to renewables, biomass is gaining importance as raw material and energy source. The regional gap between demand and supply is currently overcome by global biomass trade flows as shown for agricultural products and for wood fuels. Due to the increasing demand of biomass for energy and biofuels, these trade flows will expand in the future. A comprehensive model was developed to evaluate these supply chains for biomass on industrial scale and gain a detailed understanding of its related costs and GHG emissions (± ILUC). It consists of sub-models, such agricultural or forestry production, preconditioning and processing, road, rail and water transportation, transshipment and storage. The model was applied to six exemplary biomass production and supply paths with the target destination in Central Europe (Germany) – namely ethanol from Brazil, wheat and wood pellets from Canada, soybeans from the USA, palm oil from Indonesia and round wood from Russia. This represents the broad variety of biomass sources, supply regions and transportation distances of 6,200 to 17,900 kilometers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,189
Écart entre enseignants0,184 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuetub.dok (Hamburg University of Technology)Même sujetForest Biomass Utilization and ManagementTravaux en français237 207