MétaCan
Menu
Retour à la cohorte
Enregistrement W2112114871 · doi:10.5539/enrr.v3n1p157

Effect of Chemical Presevatives on Service Life of Selected Wood Species Treated against Pests and Diseases

2013· article· en· W2112114871 sur OpenAlexvenueno aff
N. H. Ukoima, Uko E. R.

Notice bibliographique

RevueEnvironment and Natural Resources Research · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueWood Treatment and Properties
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreservativeGmelinaToxicologyChemistryHorticultureBotanyBiologyFood science

Résumé

récupéré en direct d'OpenAlex

The effect of different chemical preservatives on service life of selected wood species was evaluated in a field plot at the Forestry research site, University of Uyo, Akwa Ibom, Nigeria. Three wood species, Triplochiton scleroxylon K. Schum (Obeche), Gmelina arborea Linn (Gmelina) and Terminalia ivorensis A Chew (Idigbo- Black afara) were used for this study. Two chemical preservatives namely; acid copper chromate and copper citrate at concentrations of 0%, 0.37%, 0.75% and 1.5% each and a mixture of the two preservatives (mixed preservative) at the given concentrations were used in treating stakes of these wood species and their retentions determined. Service life of the stakes was evaluated at the end of six months and insect pest and fungi that infected them identified. The result indicated that obeche had the highest mean retention of 4.04 kg/m3.The result also showed that the retention increased with increase preservative concentration, the highest retention of 6.80 kg/m3 was obtained with mixed preservative at 1.5% concentration. Treated stakes of all the three wood species lasted for the six months of the experiment while the untreated stakes failed within the period. Highest service life rating of 10 (no termite (Cryptotermes cavifrons Bank) damage) and (-) (no fungal growth) was obtained with mixed preservatives at 1.5% concentration. Based on these findings the use of these preservatives at concentrations of 0.075%- 1.5% to enhance service life is recommended.

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 enseignants0,264
Score d'incertitude au seuil0,401

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 Opus0,011
Tête enseignante GPT0,228
Écart entre enseignants0,216 · 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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Natural Resources ResearchMême sujetWood Treatment and PropertiesTravaux en français237 207