MétaCan
Menu
Retour à la cohorte
Enregistrement W2998451856 · doi:10.3390/en13010128

Effect of Moisture on Gas Emissions from Stored Woody Biomass

2019· article· en· W2998451856 sur OpenAlexafffund
Xiao He, Anthony Lau, Shahab Sokhansanj

Notice bibliographique

RevueEnergies · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueForest Biomass Utilization and Management
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNatural Science Foundation of Jiangsu ProvinceGovernment of Jiangsu Province
Mots-clésMoistureWater contentEnvironmental scienceBiomass (ecology)Environmental chemistryPulp and paper industryChemistryAgronomy

Résumé

récupéré en direct d'OpenAlex

Biomass materials have been increasingly used due to their renewable nature. The problems occurring during the storage of fresh woody materials include gas emissions and dry matter losses as a result of degradation. The objective of this study was to investigate and quantify the effect of moisture content on gas emissions from stored wood chips. Experiments were conducted under non-aerobic and aerobic conditions using fresh Western Red Cedar (WRC) chips with different initial moisture contents over a range of temperatures. The peak CO2 emission factor of 2.9 g/kg dry matter (DM) was observed from high moisture chips at 20 °C under non-aerobic conditions after two-month storage, which was an order of magnitude greater than that from low moisture chips. In the case of volatile organic compounds, a range of compounds were detected from all tests. The concentration of VOCs was found to be positively correlated with moisture content. Gas emissions from the aerobic reactors exhibited similar trends as non-aerobic reactors with respect to the effect of moisture content, although higher values were observed under aerobic conditions. Slight reduction of dry mass from all tests at the end of storage indicated the decay-resistance characteristics of WRC.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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)0,0010,000

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 Opus0,003
Tête enseignante GPT0,198
Écart entre enseignants0,195 · 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'étudeObservationnel
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

Citations16
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetForest Biomass Utilization and ManagementTravaux en français237 207