FT-IR and HPLC analysis of silver fir (Abies alba Mill.) bark compounds from different geographical provenances
Notice bibliographique
Résumé
Fourier Transform Infrared Spectroscopy (FT-IR) and High-Performance Liquid Chromatography (HPLC) could be applied to study the provenance of wood, specifically the differentiation of wood resources, as well as the identification of chemical compounds that are connected to the changes that occur in wood as a result of drying treatments. To test this hypothesis, the bark of silver fir ( Abies alba Mill.) from trees belonging to seven different geographical provenances was studied, using samples dried at three different temperatures (60, 80, and 100 °C). FT-IR spectroscopy revealed different band assignments in the mid-infrared region depending on fir provenances, whereas the vibrational bands of the biomass functional groups tended to shift to lower wavenumbers. Significant differences were identified between the chemical compounds in the bark depending on the provenances. The largest proportion of the total phenolics was represented by the epicatechin gallate, epicatechin, catechin, and procyanidin dimer B1. Exploratory data analysis was performed using principal component analysis (PCA), hierarchical clustering, and Pearson correlations. This allowed a comparative evaluation of the samples and interpret the findings according to the geographical provenances, respectively ecological conditions in the areas of origin, but also the influence of the drying temperatures of the samples on chemical compounds. The precipitation in the areas of origin decreased total phenolics in silver fir bark samples, and total phenolics differed not only due to the geographic provenance, but also due to drying temperature.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».