MétaCan
Menu
Retour à la cohorte
Enregistrement W7115721592 · doi:10.1016/j.nxsust.2025.100232

Techno-economic analysis of nuclear-powered urea production with commercial greenhouse

2025· article· en· W7115721592 sur OpenAlexaff

Notice bibliographique

RevueNext Sustainability · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAnaerobic Digestion and Biogas Production
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésGreenhouse gasPayback periodSustainabilityProduction (economics)Cost of electricity by sourceGreenhouseAgricultureCapital costTonne

Résumé

récupéré en direct d'OpenAlex

This study investigates the potential of integrating Small Modular Reactors (SMRs) into greenhouse operations and urea production to tackle rising energy demands and environmental concerns stemming from emissions in the food production sector. The research offers a comprehensive techno-economic assessment of a system utilizing SMRs to supply both heat and electricity to a greenhouse while generating sustainable urea fertilizer. The evaluation includes key metrics such as Levelized Cost of Urea (LCOU), Payback Period (PBT), Discounted Payback Period (DPB), and Internal Rate of Return (IRR). The analysis indicates a total capital expenditure of approximately 400 million USD, with the SMR representing 88 % of the cost. The LCOU is estimated at USD 1394 per metric ton, which is significantly higher than conventional market prices, leading to a prolonged PBT of 15.4 years and a lower IRR of 4.1 %. Sensitivity analyses demonstrate that fluctuations in urea prices and SMR capital costs significantly affect the system's financial viability. Despite the high initial costs, the SMR-powered system has the potential to reduce natural gas consumption and greenhouse gas emissions, thereby promoting long-term sustainability in agriculture. These findings emphasize how SMRs can deliver a cleaner, more sustainable energy solution for greenhouse heating and nitrogen fertilizer production, which are vital for supporting agricultural growth while minimizing environmental impact.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,709
Score d'incertitude au seuil0,486

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,218
Écart entre enseignants0,213 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNext SustainabilityMême sujetAnaerobic Digestion and Biogas ProductionTravaux en français237 207