Potentiel de conversion bioénergétique des bois feuillus dégradés
Bibliographic record
Abstract
Le potentiel de réduction des émissions de gaz à effet de serre (GES) est l’argument principal motivant l’implantation de nouvelles technologies bioénergétiques utilisant la biomasse forestière. Les bois dégradés sont abondants dans les peuplements feuillus et mixtes à feuillus durs du Québec. Ces bois ne sont pas récoltés en raison de la qualité de leur fibre qui ne satisfait pas les critères de l’industrie forestière conventionnelle. Notre étude avait comme objectif d’évaluer le potentiel de conversion biochimique et thermochimique des bois feuillus dégradés. Pour ce faire, nous avons évalué l’impact de la dégradation du bois sur ses propriétés chimiques et physiques, puis nous avons conduit deux tests de conversion : i) l’analyse du rendement de digestibilité enzymatique pour la voie biochimique; ii) l’évaluation de la stabilité et de l’efficacité de la combustion pour la conversion thermochimique. Une analyse d’ADN nous a permis de déterminer, pour chacun des échantillons, la proportion de l’abondance relative des champignons de pourriture blanche par rapport à l’ensemble des sa protrophes du bois. Les propriétés physiques et chimiques ont réagi de façon différente à l’augmentation du niveau de dégradation. L’ensemble de ces propriétés a cependant été maintenu dans l’intervalle de variations permettant au bois de rester propre à la conversion en bioénergie. Nous avons observé deux tendances selon lesquelles le rendement de digestibilité enzymatique ainsi que la performance de la combustion seraient améliorés par une augmentation de la proportion de pourriture blanche. Les résultats de notre étude démontrent que la matière première dégradée pourrait être utilisée au même titre que la matière première saine pour la conversion bioénergétique.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".