MétaCan
Menu
Retour à la cohorte
Enregistrement W1593504535 · doi:10.15376/biores.7.3.3488-3499

Effects of thermal modification on mechanical and swelling properties and color change of lumber killed by mountain pine beetle

2012· article· en· W1593504535 sur OpenAlexaff
Cai JiaBin, Liping Cai

Notice bibliographique

RevueBioResources · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueWood Treatment and Properties
Établissements canadiensFPInnovations
Organismes subventionnairesJiangsu Science and Technology DepartmentGovernment of Jiangsu Province
Mots-clésSwellingComposite materialMaterials scienceYoung's modulusThermal treatmentThermalThermal stabilityMountain pine beetleModulusPulp and paper industryChemistryEcologyBiology

Résumé

récupéré en direct d'OpenAlex

To extend the application of mountain pine beetle (MPB) killed lumber for decking, siding, and landscaping materials, it is essential to improve its dimensional stability. Thermal treatment is one of the well-established processes used to improve wood stability by modifying chemical compounds and masking blue-stains by darkening the fibre color. In this study, the MPB lumber was subjected to thermal treatment at three temperatures (195, 205, or 215°C) and three exposure times (1.5, 2, or 3 h). Based on Duncan’s multiple range test, the results indicated that the volumetric swelling after thermal treatment, either from oven-dry to air-conditioned or from oven-dry to water-saturated, was significantly reduced after thermal treatment. Modulus of elasticity was increased when specimens were treated at a temperature of 195°C, and then decreased as the temperature increased. Modulus of rupture was significantly reduced as treatment temperature increased. The hardness of lumber thermal-treated at 195°C was significantly increased compared to that of the untreated lumber. At higher temperatures, hardness started to decrease slightly. With the treatment temperature increasing to 215°C for 3 h, the color difference between stained and clear wood was reduced by 75%. As a result, the blue-stains vanished gradually.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,253

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,027
Tête enseignante GPT0,200
Écart entre enseignants0,173 · 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'étudeExpérimental (laboratoire)
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

Citations10
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioResourcesMême sujetWood Treatment and PropertiesTravaux en français237 207