MétaCan
Menu
Retour à la cohorte
Enregistrement W4327950892 · doi:10.3390/f14030625

Fungal Resistance and Leaching Behavior of Wood Treated with Creosote Diluted with a Mixture of Biodiesel and Diesel

2023· article· en· W4327950892 sur OpenAlexaff
K. C. Walker, Himadri Rajput, Alexander Murray, Glenn W. Stratton, Gordon Murray, Quan He

Notice bibliographique

RevueForests · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueLignin and Wood Chemistry
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésCreosoteBiodieselPreservativePulp and paper industryDiluentDiesel fuelLeaching (pedology)Waste managementEnvironmental scienceChemistryEnvironmental chemistryFood scienceSoil waterOrganic chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

This study evaluated the effect of biodiesel as a co-solvent with the wood preservative creosote to reduce the amount of hydrocarbon-based carrier utilized. Small blocks of wood were treated at a pilot scale using three different creosote concentrations. The diluent used was a blend of 80% soybean biodiesel and 20% petroleum diesel. The efficacy of creosote was tested against brown rot and white rot fungi. The results of the wood-block test and agar test suggested that there was no significant effect of biodiesel on the efficacy of creosote as a wood preservative. As creosote-treated wood is commonly used for railway ties, its potential impact on the surrounding environment was also assessed by studying the leaching behavior of creosote–biodiesel–diesel blend treated railway ties. Rainfall simulators were used to imitate an exposure of treated wood to a significant amount of rainfall. Wood core drilled from the exposed railway ties and leaching water samples were analyzed for the levels of polycyclic aromatic hydrocarbons (PAHs) and total petroleum hydrocarbons (TPHs). Overall, this study demonstrated that the diluent containing biodiesel had no negative effect on the performance of creosote as a wood preservative and towards the natural environment.

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 enseignants0,002
Score d'incertitude au seuil0,003

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)0,0010,000

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 Opus0,005
Tête enseignante GPT0,188
Écart entre enseignants0,182 · 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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueForestsMême sujetLignin and Wood ChemistryTravaux en français237 207