MétaCan
Menu
Retour à la cohorte
Enregistrement W3127338109 · doi:10.3390/iecf2020-08078

Evaluation of Wood Chipping Efficiency through Long-Term Monitoring

2020· article· en· W3127338109 sur OpenAlex
Alberto Cadei, Luca Marchi, Omar Mologni, Raffaele Cavalli, Stefano Grigolato

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueForest Biomass Utilization and Management
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceTruckGNSS applicationsLoggingBiomass (ecology)Computer scienceAutomotive engineeringGlobal Positioning SystemForestryEngineeringGeologyTelecommunications

Résumé

récupéré en direct d'OpenAlex

A high volume of wood forest biomass is be available at the roadside when whole three (WT) harvesting systems are applied. Besides, salvage logging operations are favourable conditions to accumulate a large amount of low-quality biomass due to the recovery of damaged trees. In mountain regions, such as the Alps, the forest’s accessibility can be a significant constraint for the eco-efficiency of chipping operations. The present study aims at evaluating the efficiency of wood-chipping operations in mountain areas based on long-term monitoring. One chipper-truck was monitored over 1200 working hours using telemetry. Different efficiency parameters were collected: machine position, collected using Global Navigation Satellite System (GNSS) receiver, and engine parameters, collected using the CAN Bus system based on J 1939. Efficiency parameters were used to compare different in-wood or landing configurations. The results show the influence of the different location of the chipping sites according to the road network. Chipping operations in space-constrained sites cause an increase in delay time and CO2 emissions.

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.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,179
Score d'incertitude au seuil0,241

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 recherche0,0000,000
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 Opus0,066
Tête enseignante GPT0,289
Écart entre enseignants0,223 · 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

En bref

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetForest Biomass Utilization and ManagementTravaux en français237 207