Comparison of tension wood and normal wood for oxidative nanofibrillation and network characteristics
Notice bibliographique
Résumé
Abstract Cellulose nanofibrils (CNFs) are top-down nanomaterials obtainable from abundant lignocelluloses. Despite recent advances in processing technologies, the effects of variations in the lignocellulose structure and composition on CNF isolation and properties are poorly understood. In this study, we compared the isolation of CNFs from tension wood (TW) and normal wood (NW) from Populus tremula (aspen). The TW has a higher cellulose content, native cellulose fibrils with a larger crystalline diameter, and less lignin than the NW, making it an interesting material for CNF isolation. The wood powders were oxidized directly by 2,2,6,6-tetramethylpiperidin-1-oxyl, and the morphology and mechanical behaviors of the nanofibril suspensions and networks were characterized. The TW was more difficult to fibrillate by both chemical and mechanical means. Larger nanofibrils (5–10 nm) composed of 1.2 nm structures were present in the TW CNFs, whereas the NW samples contained more of thin (1.6 nm) structures, which also comprised 77% of the solid yield compared to the 33% for TW. This difference was reflected in the TW CNF networks as decreased transmittance (15% vs. 50%), higher degree of crystallinity (85.9% vs. 78.0%), doubled toughness (11 MJ/m 3 ) and higher elongation at break (12%) compared to NW. The difference was ascribed to greater preservation of the hierarchical, more crystalline microfibril structure, combined with a more cellulose-rich network (84% vs. 70%). This knowledge of the processing, structure, and properties of CNFs can facilitate the breeding and design of wood feedstocks to meet the increasing demand for nanoscale renewable materials. Graphic abstract
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».