five

Characterisation of Feedstocks - D6 Final Report (Phase 1) - Appendix 10 - Part 1: Willow SRC study 1 graphs

收藏
Mendeley Data2024-01-31 更新2024-06-27 收录
下载链接:
https://ukerc.rl.ac.uk/cgi-bin/eti_query.pl?UWant=70
下载链接
链接失效反馈
资源简介:
This document describes the characteristics of Willow SRC in terms of moisture content, net and gross calorific value, dry ash content and its variability, dry nitrogen content, dry chlorine, barium, beryllium, chromium, cobalt, copper, molybdenum, nickel, vanadium, zinc, arsenic, antimony, mercury, cadmium, lead, fluorine, bromine, aluminium, calcium, iron, potassium, manganese, sodium, phosphorus, silicon and titanium content. This document is one of the 13 appendices to the Final Report from the first Phase (2015/16) of the Characterisation of Feedstocks (CofF) project, the primary purpose of which is to provide an understanding of UK produced biomass properties, how these vary and what causes this variability. The purpose of this report plus its related parts is to report the variability in feedstock properties of UK produced energy biomass, the causes of these variations and the relationship between the feedstock properties and the provenance data collected. Five feedstocks were studied: Miscanthus, willow short rotation coppice (SRC), poplar SRC, poplar grown as short rotation forests (SRF), and spruce SRF, with poplar and Sitka spruce selected to represent broadleaved and coniferous biomass crops respectively. Provenance data include site properties (such as general climate zone and soil chemistry), the conditions at the time of sample collection, and past management of the site and crop with soil samples also collected for analysis. The feedstock samples were analysed in UKAS accredited laboratories.
创建时间:
2024-01-31
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4099个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

Figshare

Figshare是一个在线数据共享平台,允许研究人员上传和共享各种类型的研究成果,包括数据集、论文、图像、视频等。它旨在促进科学研究的开放性和可重复性。

figshare.com 收录

中国区域地面气象要素驱动数据集 v2.0(1951-2024)

中国区域地面气象要素驱动数据集(China Meteorological Forcing Data,以下简称 CMFD)是为支撑中国区域陆面、水文、生态等领域研究而研发的一套高精度、高分辨率、长时间序列数据产品。本页面发布的 CMFD 2.0 包含了近地面气温、气压、比湿、全风速、向下短波辐射通量、向下长波辐射通量、降水率等气象要素,时间分辨率为 3 小时,水平空间分辨率为 0.1°,时间长度为 74 年(1951~2024 年),覆盖了 70°E~140°E,15°N~55°N 空间范围内的陆地区域。CMFD 2.0 融合了欧洲中期天气预报中心 ERA5 再分析数据与气象台站观测数据,并在辐射、降水数据产品中集成了采用人工智能技术制作的 ISCCP-ITP-CNN 和 TPHiPr 数据产品,其数据精度较 CMFD 的上一代产品有显著提升。 CMFD 历经十余年的发展,其间发布了多个重要版本。2019 年发布的 CMFD 1.6 是完全采用传统数据融合技术制作的最后一个 CMFD 版本,而本次发布的 CMFD 2.0 则是 CMFD 转向人工智能技术制作的首个版本。此版本与 1.6 版具有相同的时空分辨率和基础变量集,但在其它诸多方面存在大幅改进。除集成了采用人工智能技术制作的辐射和降水数据外,在制作 CMFD 2.0 的过程中,研发团队尽可能采用单一来源的再分析数据作为输入并引入气象台站迁址信息,显著缓解了 CMFD 1.6 中因多源数据拼接和气象台站迁址而产生的虚假气候突变。同时,CMFD 2.0 数据的时间长度从 CMFD 1.6 的 40 年大幅扩展到了 74 年,并将继续向后延伸。CMFD 2.0 的网格空间范围虽然与 CMFD 1.6 相同,但其有效数据扩展到了中国之外,能够更好地支持跨境区域研究。为方便用户使用,CMFD 2.0 还在基础变量集之外提供了若干衍生变量,包括近地面相对湿度、雨雪分离降水产品等。此外,CMFD 2.0 摒弃了 CMFD 1.6 中通过 scale_factor 和 add_offset 参数将实型数据化为整型数据的压缩技术,转而直接将实型数据压缩存储于 NetCDF4 格式文件中,从而消除了用户使用数据时进行解压换算的困扰。 本数据集原定版本号为 1.7,但鉴于本数据集从输入数据到研制技术都较上一代数据产品有了大幅的改变,故将其版本号重新定义为 2.0。CMFD 2.0 的数据内容与此前宣传的 CMFD 1.7 基本一致,仅对 1983 年 7 月以后的向下短/长波辐射通量数据进行了更新,以修正其长期趋势存在的问题。

国家青藏高原科学数据中心 收录

URPC系列数据集, S-URPC2019, UDD

URPC系列数据集包括URPC2017至URPC2020DL,主要用于水下目标的检测和分类。S-URPC2019专注于水下环境的特定检测任务。UDD数据集信息未在README中详细描述。

github 收录

laion/open-access-papers

该数据集包含从CORE(core.ac.uk)收集的开放获取学术论文,涵盖不同学科的出版物。每个数据实例代表一篇学术论文,包含唯一标识符、URL、详细的元数据(如DOI、标题、作者、出版日期等)以及全文的路径(如果可用)。数据集的主要语言是英语,但也可能包含其他语言的论文。数据集以WebDataset格式提供,便于流式处理。

hugging_face 收录

RecFlow

RecFlow是由中国科学技术大学和快手公司联合创建的工业级全流程推荐系统数据集,旨在弥合离线推荐系统基准与真实在线环境之间的差距。该数据集包含3800万次用户交互和19亿次阶段样本,涵盖了从曝光空间到未曝光项目的多阶段推荐流程。数据集的创建过程包括从42,000名用户中收集的在线请求日志,记录了每个推荐请求的详细信息。RecFlow的应用领域广泛,支持多任务推荐、用户行为建模、选择偏差估计等研究,旨在提升推荐系统的整体性能和效果。

arXiv 收录