MétaCan
Menu
Retour à la cohorte
Enregistrement W2039584373 · doi:10.1080/17480272.2012.663407

Comparative study on the durability of heat-treated White Birch (<i>Betula papyrifera</i>) subjected to the attack of brown and white rot fungi

2012· article· en· W2039584373 sur OpenAlexaff
S. Lekounougou, Duygu Kocaefe

Notice bibliographique

RevueWood Material Science and Engineering · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueWood Treatment and Properties
Établissements canadiensUniversité du Québec à Chicoutimi
Organismes subventionnairesnon disponible
Mots-clésTrametes versicolorWhite rotFungusHorticultureBetula pubescensBetulaceaeBetula platyphyllaBotanyBiologyEnzymeLigninLaccase

Résumé

récupéré en direct d'OpenAlex

The effect of heat treatment on decay resistance of white birch was evaluated for different incubation periods ranging from 2 to 12 weeks using three species of brown rot and one species of white rot fungus. The results of weight loss tests showed that the white rot fungus, Trametes versicolor, effectively degraded the untreated wood (73.5%). While the degradation of untreated wood by brown rot fungi species, Gloephyllum trabeum (11.6%) and Conifora puteana (6.2%), was considerably less compared to T. versicolor, the third brown rot fungi studied, Poria placenta, caused an appreciable degradation of the same species (52.4%). The results clearly showed that the heat treatment reduced the effect of fungi attack on white birch. Increasing the heat treatment temperature from 195 to 215°C resulted in reduction of weight loss, consequently, reduction in fungal attack. As an example, the weight loss reductions due to T. versicolor, P. placenta, G. trabeum and C. puteana attack was 62.2%, 71.3%, 89.6% and 100%, respectively, compared to the weight loss of untreated wood when it is heat treated at 215°C. Thus, these results confirmed that the heat treatment increased the biological resistance of white birch.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

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 savante0,0000,000
Science ouverte0,0000,000
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 Opus0,027
Tête enseignante GPT0,234
Écart entre enseignants0,207 · 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'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

Citations15
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWood Material Science and EngineeringMême sujetWood Treatment and PropertiesTravaux en français237 207