Moisture and energy content of fire-burnt trees for bioenergy production: A case study of four tree species from northwestern Ontario
Notice bibliographique
Résumé
With the current energy reform, the Ontario government has taken an initiative to phase out coal-fired generatingstations by 2014, and replace coal with biomass as feedstock at the Atikokan Generating Station. This switch to greenenergy production has opened a new avenue of income for mills and biomass-harvesting companies. However, as theneed for biomass increases, harvesting residues may no longer satisfy the needs of cogeneration facilities and new sourcesmay be sought. A potential source of woody biomass in Ontario is from forest fires. On average, an area of 35 460 ha or3 868 034 m3 of wood is devastated by wildfire every year in the Area of the Undertaking in Ontario and has the potentialto be salvaged. However, the fuel quality and feasibility of salvaging wildfire-burnt areas for bioenergy production innorthern Ontario has not been investigated so far. In this study, five different-aged fires in the MNR Thunder Bay District—12, 18, 24, 37, and 52 months old—were sampled for moisture content and calorific value of the wood. This samplingwas done across four of the most prolific tree species grown in northwestern Ontario—white birch, trembling aspen,balsam fir, and black spruce. The average moisture content (dry weight basis) of the five fires ranged from 27.1% to 34.9%and the average calorific value from 19.0 MJ/kg to 21.1 MJ/kg. Significant differences in moisture content were foundbetween the species and the ages of fire. Hardwood species had significantly higher moisture content compared to softwoods.The results display that wildfire-burnt areas have the potential to supply good-quality fuel for bioenergy productionin northwestern Ontario. Key words: biomass, wildfire-burnt areas, bioenergy production, moisture content, calorific value, northern Ontario
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».