Identification of five wood species of the Meliaceae family on the basis of their wood anatomical and chemical characteristics
Notice bibliographique
Résumé
Swietenia, Cedrela, Khaya et Toona sont des genres d'arbres tropicaux à bois précieux. Une identification précise du bois est nécessaire pour contrôler l'exploitation forestière illégale et le commerce connexe ainsi qu'à des fins de certification dans l'industrie des produits forestiers et du bois. Swietenia mahagoni, Swietenia macrophylla et Cedrela odorata ont été inscrites à l'Annexe II de la Convention sur le commerce international des espèces de faune et de flore menacées d'extinction (CITES) et le commerce de ces espèces a été restreint par l'imposition de documentation spécifique et de permis pour l'importation et l'exportation de marchandises. En conséquence, certaines espèces (par exemple, Khaya ivorensis et Toona ciliata) ont été introduites comme substituts de ces espèces et leur identification est maintenant un problème difficile pour l'application de la réglementation liée à la CITES à travers le monde. Ainsi, le but de l'étude est d'identifier et de différencier des espèces étroitement apparentées de la famille des Meliaceae, à savoir Swietenia mahagoni, Swietenia macrophylla, Cedrela odorata, Khaya ivorensis et Toona ciliata sur la base d'analyses anatomiques, de vision et d'intelligence artificielles et de caractérisation chimique du bois. Dans cette étude, trois approches ont été utilisées, la structure du bois par microscopie optique, le système de vision artificielle et le profilage du métabolome par chromatographie en phase gazeuse bidimensionnelle combinée à la spectrométrie de masse à temps de vol (GC*GC-TOFMS). Au total, nous avons analysé 50 échantillons de bois des espèces susmentionnées provenant des xylothèques du Service canadien des forêts et du Centre de recherche sur les matériaux renouvelables de l'Université Laval. Des variations considérables ont été observées dans les caractéristiques anatomiques du bois de ces espèces, mais ces variations n'étaient pas suffisantes pour les différencier au niveau de l'espèce. De même, le système de vision artificielle (Xylotron) est simple et efficace pour l'identification du bois, mais cet outil est encore en développement et les bases de données de référence sont encore insuffisantes pour pouvoir différencier efficacement les espèces étudiées. En revanche, la technique de GC*GC-TOFMS combinée à des statistiques non supervisées (Analyse en Composantes Principales) a montré des signatures chimiques distinctes à partir d'échantillons de bois des cinq espèces, ce qui a permis une identification rapide au niveau de l'espèce. Ainsi, GC*GC-TOFMS fournit une méthode rapide d'identification du bois qui peut être facilement appliquée à de petits échantillons de bois de duramen et peut avoir des applications potentielles dans un contexte d'application de la loi et d'analyse/identification judiciaire des bois illégaux, et dans diverses recherches liées à la foresterie, aux sciences du bois et à l'écophysiologie des arbres.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».