MétaCan
Menu
Retour à la cohorte
Enregistrement W3032674013 · doi:10.1139/cjfr-2019-0446

Effects of two-year weather exposure on thermally modified <i>Picea abies</i>, <i>Pinus sylvestris</i>, and <i>Fraxinus excelsior</i> wood

2020· article· en· W3032674013 sur OpenAlexvenueno aff
Chenyang Cai, Antti Haapala, Mohammad Habibur Rahman, Markku Tiitta, Valtteri Tiitta, Laura Tomppo, Reijo Lappalainen, Henrik Heräjärvi

Notice bibliographique

RevueCanadian Journal of Forest Research · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueWood Treatment and Properties
Établissements canadiensnon disponible
Organismes subventionnairesItä-Suomen Yliopisto
Mots-clésScots pinePicea abiesFraxinusPinus <genus>HorticultureEnvironmental scienceBotanyMoistureMaterials scienceComposite materialBiology

Résumé

récupéré en direct d'OpenAlex

The use of thermally modified timber (TMT) in outdoor applications is well established, but its performance against the stresses of outdoor conditions is not comprehensively understood. This study investigates the changes in density, surface chemical composition, color, equilibrium moisture content (EMC), checking, hardness, and cupping of thermally modified boards of Scots pine (Pinus sylvestris L.), Norway spruce (Picea abies (L.) H. Karst.), and European ash (Fraxinus excelsior L.) during a two-year weather exposure test in Eastern Finland. Unmodified pine, spruce, and ash and copper salt impregnated pine boards were used as controls. The results show that a two-year weather exposure period causes degradation of hydrophobic lignin, and the leaching of the degraded compounds changed the color, increased the EMC, and decreased the hardness of specimens. Although the EMC of TMT specimens was lower compared with unmodified and impregnated ones during weathering, the changes were more obvious in TMT than in the controls. More checks occurred in the TMT specimens than in unmodified ones after the exposure. On the other hand, the TMT specimens had a lower degree of cupping. These findings also indicate that an increase in modification temperature induces more checks but improves the durability of all studied species by reducing the chemical degradation, color change, cupping, and hygroscopicity during weather exposure.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,241
Score d'incertitude au seuil0,669

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 recherche0,0000,001
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 Opus0,027
Tête enseignante GPT0,237
Écart entre enseignants0,210 · 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'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

Citations12
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

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