MétaCan
Menu
Retour à la cohorte
Enregistrement W3080434060 · doi:10.4067/s0718-221x2020005000415

Effect of the thermal modification and nano-ZnO impregnation on the deterioration of Caribbean pine wood

2020· article· es· W3080434060 sur OpenAlexfundno aff
Bruno Couto da Silva, Henrique Trevisan, R. Á. Garcia

Notice bibliographique

RevueMaderas Ciencia y tecnología · 2020
Typearticle
Languees
DomaineEngineering
ThématiqueWood Treatment and Properties
Établissements canadiensnon disponible
Organismes subventionnairesDivision of Graduate EducationCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorUniversité Laval
Mots-clésMaterials scienceAutoclaveNano-Composite materialAqueous solutionZincThermalMetallurgyChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

This study aimed to investigate the effect of thermal modification and nano-zinc oxide (nano-ZnO) particle impregnation on the deterioration of Caribbean pine wood under field conditions.Samples were thermallymodified at various temperature levels (control, 180 °C, 200 °C, and 220 °C).Nano-ZnO impregnation was done with an aqueous solution at 1,5 % in an autoclave under two-steps of pressure and vacuum.Unmodified and thermally-modified, non-impregnated and nano-ZnO impregnated samples were exposed to deterioration for five months in field tests.A deterioration index was used to evaluate the health condition of the samples.The mass loss and occurrence of termite tunnels in percentage were also determined.The nano-ZnO impregnation improved the resistance of unmodified wood to field-deterioration.The thermal modification at 180 o C, and 200ºC increased the wood deterioration and nano-ZnO impregnation did not improve their resistance.Unmodified and 220 ºC modified samples had a lower mass loss by xylophages than other thermal treatments regardless of the nanoparticle impregnation.The nano-ZnO impregnation decreases the occurrence of termite tunnels in unmodified, 200 ºC and 220 ºC-modified samples.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
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 Opus0,015
Tête enseignante GPT0,210
Écart entre enseignants0,194 · 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'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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaderas Ciencia y tecnologíaMême sujetWood Treatment and PropertiesTravaux en français237 207