MétaCan
Menu
← Retour à la cohorte
Enregistrement W3193284048 · doi:10.1139/cjfr-2020-0407

Bioenergy yield of <i>Eucalyptus urophylla</i> clones and its relationship with the mean annual increment of wood volume

2021· article· en· W3193284048 sur OpenAlexvenueno aff
Bruna Isabele Pinheiro da Silva, Alyne Chaveiro Santos, Macksuel Fernandes da Silva, Mariana Dianese Alves de Moraes, Carlos Roberto Sette

Notice bibliographique

RevueCanadian Journal of Forest Research · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensnon disponible
Organismes subventionnairesFundação de Amparo à Pesquisa do Estado de Goiás
Mots-clésEucalyptusVolume (thermodynamics)Yield (engineering)Bioenergyclone (Java method)BotanySowingDry weightDry matterMathematicsHeat of combustionHorticultureEnergy densityBiologyAnimal scienceBiofuelChemistryBiotechnologyMaterials sciencePhysicsCombustion

Résumé

récupéré en direct d'OpenAlex

This study aimed to evaluate the energy yield and wood characteristics of Eucalyptus urophylla S.T.Blake clones with different mean annual increment (MAI) of wood volume. The clones presented MAIs of 39.2, 54.1, and 70.0 m3·ha−1·year−1 in the field experiment at 6 years after planting when the trees were cut down to evaluate the wood basic density and higher heating values. The energy density, dry mass, and energy yield were estimated. The MAI of E. urophylla clones influenced the wood basic density, dry mass, and energy yield, but did not influence the higher heating value and energy density. Clone 3 had the highest MAI as well as higher energy yield and dry mass, but lower wood basic density. The difference between the most and the least productive clones was 242 648 MJ·ha−1·year−1. The results reinforce the importance of evaluating the wood quantity production (MAI) when selecting E. urophylla clones for energy purposes.

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 enseignants0,003
Score d'incertitude au seuil0,007

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)0,0000,000

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 Opus0,029
Tête enseignante GPT0,251
Écart entre enseignants0,222 · 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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest Research→Même sujetForest ecology and management→Travaux en français237 207→