MétaCan
Menu
Retour à la cohorte
Enregistrement W4375948898 · doi:10.29169/1927-5129.2023.19.05

Air-Borne Particle Size Distribution of Wood Dust Emitted during Small Scale Forestry Operations

2023· article· en· W4375948898 sur OpenAlexvenueno aff
Marcello Biocca, Daniele Pochi, Pietro Gallo, Roberto Fanigliulo

Notice bibliographique

RevueJournal of Basic & Applied Sciences · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueForest Biomass Utilization and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceScots pineFellingForestryParticle-size distributionPulp and paper industryParticle sizePinus <genus>GeographyAgroforestryBotanyChemistryEngineeringBiology

Résumé

récupéré en direct d'OpenAlex

Practices such as tree felling, pruning, logging and chipping wood can produce significant amount of wood particles that can be inhaled by agricultural and forestry workers, triggering an important risk to the health of workers. Especially finest fractions of dust, less than 4 µm in diameter (the respirable fraction) may cause respiratory and dermal diseases, until to the risk of developing nose and sinus adenocancer. The aim of this work was to assess the particle size distribution of wood dust produced during chainsaw operations. In two separate trials (July and December), wood logs of three different species (Eucalyptus sp., Pinus radiata and Quercus cerris) were employed in cutting tests. Two chainsaws, one electric powered by batteries and one endothermic, were employed. To characterize the particle size distribution, samplings were carried out with a dust particle counter placed in the area surrounding the tests’ site. Results showed that the dust was characterized by a major fraction of fine particles around 0.3 µm (72% of the particles from 0.3 to 10 µm). The chainsaw with endothermic engine produced more fine dust of the electric one. Obtained amounts of inhalable wood dust were very variable in values, however attention should be paid to the exposure to wood dust considering potential risks, especially in case of long times of exposure.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,605
Score d'incertitude au seuil0,260

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,014
Tête enseignante GPT0,224
Écart entre enseignants0,209 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Basic & Applied SciencesMême sujetForest Biomass Utilization and ManagementTravaux en français237 207