MétaCan
Menu
← Retour à la cohorte
Enregistrement W4212802800 · doi:10.1139/cjfr-2021-0234

Wood energy quality of <i>Eucalyptus</i> spp. clones established under different soil types in the Brazilian Cerrado

2022· article· en· W4212802800 sur OpenAlexvenueno aff
Macksuel Fernandes da Silva, Pedro Augusto Fonseca Lima, Evandro Novaes, Carlos Roberto Sette, Ailton Teixeira do Vale

Notice bibliographique

RevueCanadian Journal of Forest Research · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensnon disponible
Organismes subventionnairesFundação de Amparo à Pesquisa do Estado de Goiás
Mots-clésLatosolEucalyptusEnvironmental scienceSoil waterBulk densitySoil classificationSoil typeForestryHeat of combustionAgronomyBotanyBiologyAgroforestryGeographySoil scienceChemistryCombustion

Résumé

récupéré en direct d'OpenAlex

The evaluation of wood energy quality of Eucalyptus clones planted in different edaphoclimatic conditions is fundamental to promote the sustainable expansion of energy forests to traditionally non-forest regions. This study aimed to evaluate the wood energy characteristics (proximate analysis, elemental analysis, higher heating value, basic and energy densities) from five Eucalyptus spp. clones planted in Latosol and Haplic Plinthosol soils in the Brazilian Cerrado (Savannah), considered a traditionally non-forest region. The wood basic and energetic densities are influenced by genotype (clone) but not influenced by the soil type (site). The higher heating value and the proximate analysis showed a significant effect of interaction between clone and soil type. Thus, for these wood energy variables, the clones behave differently depending on the growing location (soil type). Our results indicate that the clone with Eucalyptus cloeziana genes has the greatest energy potential because of the best wood quality: low ash (0.11%–0.09%), nitrogen contents (0.24%–0.31%), higher basic density (490.60–487.22 kg·m−1), and energy density (9720.5–9589.1 MJ·m−1), for soil types Latosol and Plinthosol.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,032

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
Bibliométrie0,0010,001
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 Opus0,037
Tête enseignante GPT0,296
Écart entre enseignants0,259 · 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'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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

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