represent a nutritious animal feed,

represent a nutritious animal feed, especially for
ruminants, such as cattle. Therefore, most life cy-
cle energy and GHG analyses give a displacement
credit for this coproduct as cattle feed, because
this is the highest value use, and the expansion
of corn-ethanol production capacity has had little
impact on cattle numbers.
To determine environmental impacts to meet
emerging regulatory requirements, one must as-
sess an individual ethanol biorefinery and sup-
porting cropping system. An analysis of regional
cropping systems is important because biorefiner-
ies receive a majority of their feedstock from local
sources—a trend that will likely continue as corn-
ethanol production expands and utilizes a greater
portion of total U.S. corn production. Cropping
system productivity and efficiency also have sig-
nificant variability depending on regional differ-
ences in climate and soil quality, crop yield levels,
input use efficiencies, and irrigation practices.
Researchers can evaluate “forward-looking”
LCAs of potential improvements in biofuel pro-
duction systems by performing sensitivity anal-
yses that identify the technology options with
the greatest potential impact on energy yield and
efficiency and GHG emissions reductions. Such
forward-looking analyses can help guide the de-
sign of future biofuel systems and identify research
priorities for the greatest potential impact on
possible environmental benefits and petroleum
replacement.
Although there are a number of existing mod-
els that perform life cycle energy and GHG emis-
sions assessments of biofuel systems (Wang et al.
2007; Farrell et al. 2006), we developed the Bio-
fuel Energy Systems Simulator (BESS) software
to facilitate detailed evaluation and comparison
of different types of corn-ethanol systems in a
“seed-to-fuel” life cycle. The seed-to-fuel life cy-
cle boundary was selected because it is the basis
for meeting GHG emissions reductions under the
2007 EISA and for California’s LCFS. Compared
to other models, the BESS software performs a
more detailed seed-to-fuel assessment of an in-
dividual corn-ethanol facility and its associated
feedstock supply, with full documentation and
reporting of all parameters and conversion effi-
ciencies used. It can also evaluate the average
performance of a specified type of ethanol plant
at a state or regional level. The software allows
modification of all input parameters, which en-
ables sensitivity analysis of different biorefinery
types and feedstock supply. Although the BESS
software follows the general life cycle boundaries
and calculation methods of the RG Biofuel Anal-
ysis Meta-Model (EBAMM model) (Farrell et al.
2007), BESS includes more thorough evaluation
of N2O emissions from crop production, allows
greater detail in biorefinery operations while uti-
lizing more recent industry data, and uses a dy-
namic coproduct crediting scheme based on up-
dated feeding practices.
Methodology
Model Interface and Engine
The BESS model was created with Microsoft
Excel as its internal engine and Delphi program-
ming software for development of its graphic
interface. It is Microsoft Windows compatible.
The BESS model has four component submod-
els for (1) crop production, (2) ethanol biore-
finery, (3) cattle feedlot, and (4) anaerobic
digestion (AD) as used in a closed-loop biore-
finery. The annual production capacity of an
individual biorefinery determines the required
inputs of grain, energy, material, and natural re-
sources (including fossil fuels, land, and water).
The model has an extensive user’s guide doc-
umenting model operation, assumptions, equa-
tions, parameter values, and references. The
interface enables the user to set all input param-
eters to create customized corn-ethanol system
scenarios and to compare multiple scenarios with
output graphs and reports. The software (ver-
sion BESS2008.3.1, including the User’s Guide) is
available at www.bess.unl.edu. Input data and as-
sumptions are described in the following sections
and in Supplementary Material on the Web.
Crop Production Data
Crop yields are taken from U.S. Department
of Agriculture, National Agricultural Statistics
Service (USDA-NASS) survey database. Crop
production energy input rates (gasoline, diesel,
liquefied petroleum gas [LPG], natural gas, elec-
tricity) are from the most recent USDA survey
conducted by the Economic Research Service
(see USDA-ERS 2001; see also Supplementary

ผลลัพธ์ (ไทย) 1:

แสดงอาหารสัตว์มีคุณค่าทางโภชนาการ โดยเฉพาะอย่างยิ่งสำหรับruminants เช่นวัวควาย ดังนั้น ส่วนใหญ่ชีวิต cy -เกรดพลังงานและปริมาณวิเคราะห์ให้แทนที่สินเชื่อสำหรับ coproduct นี้เป็นวัวที่เลี้ยง เนื่องจากนี่คือการใช้ค่าสูงสุด และการขยายตัวของเอทานอลข้าวโพด การผลิตมีน้อยส่งผลกระทบในวัวหมายเลขการตรวจสอบผลกระทบสิ่งแวดล้อมเพื่อตอบสนองเกิดขึ้นตามกฎหมาย หนึ่งต้องเป็น-sess biorefinery เอทานอลแต่ละตัวและดื่ม-ปรับเปลี่ยนระบบครอบ การวิเคราะห์ของภูมิภาคระบบการปลูกพืชมีความสำคัญเนื่องจาก biorefiner -ies ได้รับส่วนใหญ่ของวัตถุดิบจากท้องถิ่นแหล่ง — แนวโน้มที่จะยังคงมีแนวโน้มเป็นข้าวโพด -เอทานอลผลิตขยาย และใช้เป็นมากขึ้นส่วนของการผลิตข้าวโพดของสหรัฐอเมริการวม ครอบตัดประสิทธิภาพของระบบและประสิทธิภาพยังมี sig-nificant สำหรับความผันผวนตามภูมิภาคต่าง-ences ในสภาพภูมิอากาศ และคุณภาพดิน ระดับผลผลิตพืชเข้าใช้ประสิทธิภาพ และปฏิบัติการชลประทานนักวิจัยสามารถประเมิน "จาก"LCAs ของปรับปรุงศักยภาพในเชื้อเพลิงชีวภาพตาม-ระบบ duction โดยดำเนินความไวทางทวารหนัก-yses ที่ระบุตัวเทคโนโลยีด้วยผลกระทบมากที่สุดในผลผลิตพลังงาน และประสิทธิภาพและลดการปล่อย GHG ดังกล่าววิเคราะห์จากสามารถช่วยแนะนำเดอ-ลงชื่อเข้าใช้ระบบเชื้อเพลิงชีวภาพในอนาคต และระบุการวิจัยระดับความสำคัญสำหรับผลกระทบมากที่สุดในประโยชน์ด้านสิ่งแวดล้อมได้และปิโตรเลียมทดแทนแม้ว่าจะมีจำนวนของมดที่มีอยู่-แล้งที่ทำวงจรพลังงานและปริมาณ emis-sions ประเมินระบบเชื้อเพลิงชีวภาพ (Wang et al2007 ฟาร์เรล et al. 2006), เราพัฒนาชีวภาพ -เชื้อเพลิงพลังงานระบบจำลอง (เบสส์) ซอฟต์แวร์เพื่อความสะดวกในการประเมินอย่างละเอียดและเปรียบเทียบแตกต่างของระบบข้าวโพดเอทานอลในการวงจรชีวิตของ "เมล็ดให้น้ำมัน" อายุเมล็ดเชื้อเพลิงรุ่น cy -เลือกขอบเขตเกรด เพราะมันเป็นพื้นฐานลดการปล่อยก๊าซ GHG ภายใต้การประชุมอีซา 2007 และแคลิฟอร์ เนียของ LCFS การเปรียบเทียบรุ่นอื่น ๆ ทำซอฟต์แวร์เบสส์เมล็ดน้ำมันประเมินการใน-รายละเอียดdividual เอทานอลข้าวโพดสิ่งอำนวยความสะดวกและความสัมพันธ์จัดหาวัตถุดิบ มีเอกสารเต็มรูปแบบ และรายงานทั้งหมดพารามิเตอร์และแปลง effi-ciencies ใช้ นอกจากนี้มันยังสามารถประเมินค่าเฉลี่ยประสิทธิภาพของการระบุชนิดของโรงงานเอทานอลสถานะหรือระดับภูมิภาค ซอฟต์แวร์ช่วยให้ปรับเปลี่ยนทั้งหมดพารามิเตอร์ค่านำเข้า น้ำที่-วิเคราะห์ความไว ables biorefinery แตกต่างกันชนิดและการจัดหาวัตถุดิบ แม้ว่าเบสส์ซอฟต์แวร์ตามขอบเขตทั่วไปวงจรชีวิตและวิธีการคำนวณของการ RG เชื้อเพลิงชีวภาพ Anal-ysis รุ่น Meta- (รุ่น EBAMM) (ฟาร์เรล et al2007), การประเมินอย่างละเอียดมากรวมถึงเบสส์ของ N2O ปล่อยจากการผลิตพืช ช่วยให้รายละเอียดมากขึ้นในการดำเนินงาน biorefinery ขณะ uti-lizing ล่าสุดข้อมูลอุตสาหกรรม และใช้ dy แบบcoproduct namic เครดิตต้นขึ้น-วันปฏิบัติการให้อาหารวิธีการที่อินเทอร์เฟซแบบจำลองและเครื่องยนต์สร้างแบบเบสส์กับ MicrosoftExcel เป็นการภายในเครื่องยนต์และโปรแกรมเดลฟี-หมิซอฟต์แวร์สำหรับพัฒนาของกราฟิกอินเตอร์เฟซ จึงเข้ากันได้กับ Microsoft Windowsแบบเบสส์มีส่วนประกอบสี่ submod-แล้งสำหรับ (1) ผลิตพืช biore (2) เอทานอล-finery, feedlot วัว (3) และ (4) ไม่ใช้ย่อยอาหาร (AD) ที่ใช้ในการปิด biorefinery กำลังการผลิตของการbiorefinery ละกำหนดที่จำเป็นอินพุตของเมล็ดข้าว พลังงาน วัสดุ และธรรมชาติอีกครั้งแหล่งข้อมูล (รวมทั้งเชื้อเพลิงฟอสซิล ที่ดิน และน้ำ)แบบมีเอกสารคู่มือของผู้กว้างขวาง-umenting แบบจำลองการดำเนินงาน สมมติฐาน equations ค่าพารามิเตอร์ และอ้างอิง ที่ทำให้ผู้ใช้สามารถตั้งค่าทั้งหมดสำหรับการป้อนค่าพารามิเตอร์-eters สร้างระบบเองข้าวโพดเอทานอลสถานการณ์และ เพื่อเปรียบเทียบหลายสถานการณ์ด้วยวาดกราฟและรายงาน ซอฟต์แวร์ (หนอน-น BESS2008.3.1 รวมทั้งผู้แนะนำ) คือได้ที่ www.bess.unl.edu ป้อนข้อมูล และเป็น-sumptions ได้อธิบายไว้ในส่วนต่อไปนี้และ ในวัสดุส่งเสริมการขายบนเว็บข้อมูลการผลิตพืชผลผลิตของพืชนำมาจากฝ่ายสหรัฐอเมริกาของเกษตร สถิติการเกษตรแห่งชาติบริการ (จาก-NASS) สำรวจแล้ว ครอบตัดผลิตพลังงานป้อนราคา (เบนซิน ดีเซลหมุน [แก๊ส LPG] แก๊สปิโตรเลียม ก๊าซธรรมชาติ elec-tricity) จากการสำรวจจากล่าสุดดำเนินการ โดยบริการการวิจัยทางเศรษฐกิจ(ดูจากสกู๊ป 2001 ดู Supplementary

ผลลัพธ์ (ไทย) 3:

เป็นตัวแทนของอาหารสัตว์ที่มีคุณค่าทางโภชนาการ โดยเฉพาะ
สัตว์เคี้ยวเอื้อง เช่น วัว ดังนั้น ส่วนใหญ่ชีวิตไซ -
เล็กพลังงานและพร้อมวิเคราะห์ให้แทนที่
เครดิตนี้ coproduct เป็นอาหารโค เพราะ
นี่คือสูงสุด ใช้ และ การขยายตัวของการผลิตเอทานอลข้าวโพด
ได้รับผลกระทบน้อย

โคเบอร์ เพื่อศึกษาผลกระทบด้านสิ่งแวดล้อม เพื่อตอบสนอง
ข้อกำหนดใหม่ ต้องเป็น -
เซ็ซบุคคลเอทานอลและ sup -
* porting การ การวิเคราะห์ระบบการปลูกพืชในภูมิภาคเป็นสิ่งสำคัญเพราะ biorefiner
-
IES ได้รับส่วนใหญ่ของวัตถุดิบจากท้องถิ่น
sources-a แนวโน้มที่อาจจะยังคงเป็นข้าวโพด -
การผลิตเอทานอลเพิ่มมากขึ้น และใช้เป็นส่วนหนึ่งของการผลิตข้าวโพดสหรัฐ
รวม . การปลูกพืช
system productivity and efficiency also have sig-
nificant variability depending on regional differ-
ences in climate and soil quality, crop yield levels,
input use efficiencies, and irrigation practices.
Researchers can evaluate “forward-looking”
LCAs of potential improvements in biofuel pro-
duction systems by performing sensitivity anal-
yses that identify the technology options with
ที่ยิ่งใหญ่ที่สุดผลกระทบต่อผลผลิตและประสิทธิภาพพลังงานและลดการปล่อยก๊าซเรือนกระจก
. เช่น
คาดการณ์ล่วงหน้าวิเคราะห์สามารถช่วยให้คู่มือ de -
ป้ายอนาคตของเชื้อเพลิงชีวภาพระบบและระบุการวิจัย
ลำดับความสำคัญสำหรับศักยภาพยิ่งใหญ่ ผลกระทบต่อสิ่งแวดล้อม และได้รับประโยชน์


ปิโตรเลียมแทน แม้ว่าจะมีจำนวนของที่มีอยู่ mod -
els ที่แสดงวงจรชีวิตพลังงานและก๊าซเรือนกระจกเอมิส -
sions assessments of biofuel systems (Wang et al.
2007; Farrell et al. 2006), we developed the Bio-
fuel Energy Systems Simulator (BESS) software
to facilitate detailed evaluation and comparison
of different types of corn-ethanol systems in a
“seed-to-fuel” life cycle. The seed-to-fuel life cy-
cle boundary was selected because it is the basis
for meeting GHG emissions reductions under the
2007 EISA and for California’s LCFS. Compared
to other models, the BESS software performs a
more detailed seed-to-fuel assessment of an in-
dividual corn-ethanol facility and its associated
feedstock supply, with full documentation and
reporting of all parameters and conversion effi-
ciencies used. It can also evaluate the average
performance of a specified type of ethanol plant