
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.creator | Ramalho, Fernanda Maria Guedes | - |
| Autor(es): dc.creator | Carvalho, Geila Santos | - |
| Autor(es): dc.creator | Hein, Paulo Ricardo Gherardi | - |
| Autor(es): dc.creator | Napoli, Alfredo | - |
| Autor(es): dc.creator | Wojcieszak, Robert | - |
| Autor(es): dc.creator | Guilherme, Luiz Roberto Guimarães | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T12:24:33Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T12:24:33Z | - |
| Data de envio: dc.date.issued | 2020-09-04 | - |
| Data de envio: dc.date.issued | 2020-09-04 | - |
| Data de envio: dc.date.issued | 2019 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/42903 | - |
| Fonte completa do material: dc.identifier | https://pubs.acs.org/doi/10.1021/acs.energyfuels.0c01034 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1160718 | - |
| Descrição: dc.description | Charcoal is produced through the pyrolysis of wood. It is used as the main domestic energy source in many tropical countries from Africa and Asia, and it is used as a reductor product in the steel industry in Brazil. However, the indiscriminant use of wood from native forests is detrimental to sustainability. The development of rapid and efficient methodologies for distinguishing charcoal produced from native forest or Eucalyptus plantations, as found partially in Brazil, is essential to curb illegal charcoal transport and trade. The aim of this study was to distinguish charcoals from native or Eucalyptus woods by using artificial neural networks (ANNs) based on their mineral composition. Specimens from Brazilian native woods (Apuleia sp., Cedrela sp., Aspidosperma sp., Jacaranda sp., Peltogyne sp., Dipteryx sp., and Gochnatia sp.) and from Eucalyptus sp. hybrid woods of commercial forest plantations were pyrolyzed at temperatures from 300 °C to 700 °C in order to simulate the actual pyrolysis conditions and species widely used illegally in southeastern Brazil. Charcoals composition and proportion of mineral elements were determined by X-ray fluorescence. The ANNs were trained based on the elemental composition of the charcoal specimens to classify the species and origin of the charcoals (i.e., native forest or Eucalyptus). The ANNs based on mineral element content yielded high percentage of correct classification for charcoal specimens by species (72% accuracy) or origin (97% accuracy) from an independent validation sample set. | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | American Chemical Society | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | Energy Fuels | - |
| Palavras-chave: dc.subject | Artificial neural networks | - |
| Palavras-chave: dc.subject | Charcoal | - |
| Palavras-chave: dc.subject | Redes neurais artificiais | - |
| Palavras-chave: dc.subject | Carvão vegetal | - |
| Título: dc.title | Artificial neural networks to distinguish charcoal from eucalyptus and native forests based on their mineral components | - |
| Tipo de arquivo: dc.type | Artigo | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: