MétaCan
Menu
Retour à la cohorte
Enregistrement W2047209019 · doi:10.1021/es101138v

Coatings To Reduce Wood Preservative Leaching

2010· article· en· W2047209019 sur OpenAlexafffundabout
Mojgan Nejad, Paul Cooper

Notice bibliographique

RevueEnvironmental Science & Technology · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueWood Treatment and Properties
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Resources Canada
Mots-clésChromated copper arsenateLeaching (pedology)PreservativeCoatingPulp and paper industryCopperWeatheringMaterials scienceLeachateMetallurgyEnvironmental scienceWaste managementComposite materialChemistryEnvironmental chemistrySoil waterGeology

Résumé

récupéré en direct d'OpenAlex

The efficiency of semitransparent penetrating stains to reduce leaching of wood preservative components was evaluated. Five commercial wood deck finishes were applied to untreated and chromated copper arsenate (CCA), alkaline copper quat (ACQ), and copper azole (CA) treated wood, and leachates were collected and analyzed during 3 years of natural weathering exposure in Toronto, Canada. All stains evaluated effectively reduced the cumulative leaching of all inorganic preservative components by about 60% on average. Although most coatings showed significant film degradation starting around 12 months, the reduced leaching persisted even after 3 years. This suggests that temporary protection of wood with a coating during the early stages of use resulted in long-term reduction in preservative leaching potential. A two-week screening leaching test was able to predict the long-term leaching performance of different coatings reasonably well. Cured coating glass transition temperature (Tg) and liquid coating viscosity were the most important variables affecting a leaching prediction model. To effectively reduce leaching of preservative components from treated wood, coatings should have Tg low enough to withstand stresses caused by freezing in winter and have adequate viscosity to form a barrier film layer on the wood surface.

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 enseignants0,013
Score d'incertitude au seuil0,417

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 technologies0,0000,001
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 Opus0,007
Tête enseignante GPT0,203
Écart entre enseignants0,196 · 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

Citations13
Publié2010
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetWood Treatment and PropertiesTravaux en français237 207