MétaCan
Menu
Retour à la cohorte
Enregistrement W2020399801 · doi:10.4236/epe.2013.52a006

Harvest of Short-Rotation Woody Crops in Plantations with a Biobaler

2013· article· en· W2020399801 sur OpenAlexafffund
Philippe Savoie, Pierre-Luc Hébert, François-Simon Robert, Derek Sidders

Notice bibliographique

RevueEnergy and Power Engineering · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueForest Biomass Utilization and Management
Établissements canadiensNatural Resources CanadaMinistère de l'Agriculture, des Pêcheries et de l'AlimentationUniversité LavalCanadian Forest ServiceAgriculture and Agri-Food Canada
Organismes subventionnairesNatural Resources CanadaCanadian Forest ServiceAgriculture and Agri-Food CanadaU.S. Forest Service
Mots-clésEnvironmental scienceBiomass (ecology)BioenergyUnderstoryWoody plantAgroforestryAgronomyMulchBiofuelMathematicsEngineeringWaste managementCanopyBotanyBiology

Résumé

récupéré en direct d'OpenAlex

The biobaler is an alternative to the modified self-propelled forage harvester to cut and collect short rotation woody crops (SRWC). It is less capital intensive and more versatile, being able to harvest woody crops on plantations, on abandoned farmland, on brush land or within forest understory. The biobaler was evaluated specifically on five different plantations over 19 experimental units (546 bales harvested with an average mass of 427 kg and 49% moisture content). Average bale density was 266 kg wet mass (WM)/m3 or 139 kg dry mass (DM)/m3. Average harvest capacity was 35 bales/h (7.7 t dry matter/h), and ranged from 23 to 48 bales/h. Harvest in plantations with a 149 kW tractor cost on average CAN $175/h, $5/bale and $22.84/t DM. Non recovered biomass (field loss) averaged 11% at random locations in the field and 8% at the point of bale ejection as a result of chip abrasion. While the biobaler remains a versatile harvester for SRWC, its preferred utilization will be in environments of diverse woody crops with final application as a rough mulch or for combustion in furnaces requiring minimal processing or size reduction.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,004
Tête enseignante GPT0,166
Écart entre enseignants0,162 · 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'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

Citations16
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergy and Power EngineeringMême sujetForest Biomass Utilization and ManagementTravaux en français237 207