MétaCan
Menu
Retour à la cohorte
Enregistrement W4229444971 · doi:10.3390/f13050722

Drying Behavior of Hardwood Components (Sapwood, Heartwood, and Bark) of Red Oak and Yellow-Poplar

2022· article· en· W4229444971 sur OpenAlexaff
Sohrab Rahimi, Kaushlendra Singh, David DeVallance, Demiao Chu, Mohsen Bahmani

Notice bibliographique

RevueForests · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueWood Treatment and Properties
Établissements canadiensFPInnovationsUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésHardwoodBark (sound)ChemistrySpecific gravityShrinkageVolume (thermodynamics)BotanyMoisturePorosityHorticultureMineralogyComposite materialMaterials scienceBiologyEcology

Résumé

récupéré en direct d'OpenAlex

This paper presents differences in the drying behavior of red oak and yellow-poplar sapwood, heartwood, and bark and their relationship with selected physical characteristics. Drying experiments were performed on samples of sapwood, heartwood, and bark of respective species at 105 °C under nitrogen conditions. In addition, physical characteristics such as green moisture content, specific gravity, volumetric shrinkage, shrinkage of the cell wall, total porosity, pore volume occupied by water, and specific pore volume were calculated. The results showed that the volumetric and cellular shrinkages of sapwood were greater than those of heartwood for both species. For red oak, the specific gravity of sapwood and heartwood was not significantly different. Additionally, the total porosity of heartwood was lower than that of sapwood in red oak. The results also indicated that yellow-poplar dried faster than red oak. Among all three components, bark dried faster than sapwood and heartwood in both species. The activation energy for sapwood drying was less than for heartwood drying.

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 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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,250
Score d'incertitude au seuil0,395

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 Opus0,014
Tête enseignante GPT0,195
Écart entre enseignants0,180 · 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 tête enseignante, 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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueForestsMême sujetWood Treatment and PropertiesTravaux en français237 207