Détermination des propriétés chimiques de la biomasse de trois essences de bois par des approches conventionnelles normalisées et par spectroscopie infrarouge proche
Bibliographic record
Abstract
Les conifères (épinette et pin) ainsi que le saule, ont toujours représenté une part importante de la biomasse exploitée par les industries canadiennes du bois. Cependant, certains tissus du bois ne sont pas utilisés ou sont peu valorisés. Les cultures de biomasse de taillis de saule à courte rotation sur les terrains miniers récupérés répondent à de nombreux besoins environnementaux et économiques et représentent une importante matière première que les industries du bois solide et de papiers n’utilisent pas. De plus, les rémanents, branches et restes de troncs des conifères naturels représentent une source de bois non valorisée. Même s’ils doivent en partie rester en forêt pour régénérer les sols, une partie pourrait être utilisée en chimie verte ou en bioénergie. Ainsi, l’objectif de cette recherche est de caractériser les propriétés chimiques des différentes biomasses de ces essences pour des fins de valorisation dans des applications chimiques et énergétiques. Des tests de laboratoire destructifs par des méthodes standards normalisées (ASTM et TAPPI) et non destructives par la spectroscopie proche infrarouge ont été réalisés pour déterminer les teneurs des différents composants chimiques (extractibles, cellulose, hémicelluloses et lignines) et la chimie de surface de tissus d’épinette blanche, de pin tordu et variétés sélectionnées de saule. Des modèles de régression par moindres carrés partiels pour la prédiction quantitative des composants chimiques du bois ont été développés. Les coefficients de détermination (R²calibration, R2 validation croisée et R2 prédiction) obtenus allants de 0,75 à 0,99 dans les teneurs en extractibles, lignine, cellulose et hémicelluloses confirment l’applicabilité des modèles de prédiction pour déterminer les propriétés chimiques des biomasses d’une manière non destructive. Ces résultats donnent la possibilité à caractériser les biomasses et à étudier la qualité du bois sur site en utilisant des équipements portatifs.
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 | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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".