MétaCan
Menu
Retour à la cohorte
Enregistrement W2912991756 · doi:10.1139/cjfr-2018-0282

Effect of the degree of decay on the electrical resistance of wood degraded by brown-rot fungi

2019· article· en· W2912991756 sur OpenAlexvenueno aff
Shan Gao, Xiaoquan Yue, Lihai Wang

Notice bibliographique

RevueCanadian Journal of Forest Research · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueWood Treatment and Properties
Établissements canadiensnon disponible
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNational Natural Science Foundation of China
Mots-clésDegree (music)MyceliumWater contentElectrical resistance and conductanceMoistureResistance (ecology)BotanyHorticultureChemistryMaterials scienceComposite materialBiologyAgronomy

Résumé

récupéré en direct d'OpenAlex

There have been limited efforts to investigate the association between wood decay and electrical resistance; consequently, we have examined the change in the electrical resistance of wood progressively decayed by brown-rot fungi to elucidate the effect of the degree of decay. The rate of mass loss of wood was used as an indicator of the degree of fungal decay. The changes in the moisture content and ion concentrations were measured at various decay stages. The results showed a significant difference in the electrical resistances of sound wood and fungal-treated wood after 24 weeks. The electrical resistance significantly decreased with the exposure time. The degree of decay increased as the mass loss increased, resulting in the severe breakdown of cell walls and the accumulation of fungal mycelia. Empirical models related to the rate of mass loss and the percent decrease in the electrical resistance were established. The moisture content and cation concentrations increased to various degrees in decayed wood. This increase in the cation concentration was considered to play a dominant role in the decrease in the electrical resistance. The study results provide valuable information for developing an electrical resistance based method coupled with ion content measurements for incipient wood decay detection.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,832
Score d'incertitude au seuil0,831

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0010,000
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 Opus0,039
Tête enseignante GPT0,254
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

Citations25
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetWood Treatment and PropertiesTravaux en français237 207