Воронеж, Воронежская область, Россия
Россия
В России на деревоперерабатывающих предприятиях ежегодно образуется около 5 млн м3 березовой коры, которая практически не используется, в основном сжигается. Установлено, что перспективным направлением переработки коры березы является организация производства многофункциональных композиционных материалов, в том числе биопластиков из ее компонентов, в частности из бересты. Несмотря на созданные предпосылки в рамках различных НИОКР, данное направление не получило широкого развития, прежде всего из-за отсутствия точного инструмента оценки и прогнозирования количества и параметров бересты. Впервые публикуются обобщённые результаты исследований параметров коры березы пушистой на основании анализа 482 образцов с 16 модельных стволов различных диаметров, а также разработанная на их основе многослойная математическая модель (береста-кора-ствол), позволяющая наиболее точно оценивать объемы бересты и прогнозировать ее запасы на деревообрабатывающих предприятиях. Кроме того, проведен анализ изменения толщины коры и толщины бересты по длине ствола, а также их объемов в зависимости от диаметра, показывающий, что наибольшая толщина бересты и коры отмечается в комлевой части ствола 5,75 мм и 13,6 мм, а наименьшая в вершинной части 0,62 мм и 3,25 мм соответственно. У всех модельных стволов, которые были исследованы выявлена закономерность, что с увеличением диаметра увеличивается толщина бересты, а по месту взятия образцов по длине ствола от комля к вершине уменьшается. Установлено, что объем бересты и коры в зависимости от диаметра по длине ствола не соответствуют закономерностям, установленным при изменчивости их толщины: доля бересты и коры от объема древесины в комлевой части, составляет соответственно 1,54...4,31% и 6,5…12,4%, в срединной части на длине от 7 до 15 метров снижается до 0,85…1,45% и 3,9…7,1% соответственно, а в верхней четверти ствола наблюдается небольшое увеличение до значений 1,05…1,72% и 4,2…6,7% соответственно. При этом доля бересты от объема ствола березы пушистой составляет 2,56…3,84%, а на долю коры приходится 8,78…12,1%. Эти показатели зависят от параметров ствола дерева – диаметра и длины, и соответственно возраста. В основу многослойной математической модели (береста-кора-ствол) положено математическое описание образующей древесного ствола с помощью кубических сплайн-функций, заданных в параметрическом виде, что позволило получить многослойные 3-D модели каждого модельного ствола дерева и оценить объемы каждого слоя. Достоверность результатов составляет 98,1%. На основе разработанного программного обеспечения в среде Python был произведен анализ ряда крупных деревоперерабатывающих предприятий, перерабатывающих березу. Объем бересты от годовой программы предприятий колеблется от 2,58% до 3,74%, в абсолютных величинах доходят до нескольких тысяч и даже десятков тысяч тонн. Результаты исследований позволили прийти к выводу, что при готовой программе переработки более 20 тыс. м3, организация производства многофункциональных композиционных материалов, в том числе биопластиков из бересты будет эффективна. При этом требуется совершенствование и повышение эффективности технологии производства.
древесные отходы, кора березы, береста, сплайн-функция, объем, композиционный материал, переработка
Текст (PDF): Читать Скачать
Текст (PDF): Читать Скачать
Текст (PDF): Читать Скачать
Текст (PDF): Читать Скачать
Введение
Актуальность
В контексте глобального перехода к принципам устойчивого развития и циркулярной экономики особую актуальность приобретают технологии рационального использования возобновляемых природных ресурсов [1]. Деревообрабатывающая промышленность Российской Федерации, обладающей крупнейшими в мире лесными ресурсами, сталкивается с необходимостью повышения эффективности переработки отходов, доля которых достигает 40-60% от объема исходной древесины [2]. Одним из перспективных, но недостаточно вовлеченных в хозяйственный оборот видов биомассы является береста - наружный покров коры березы.
Уникальный химический состав бересты, характеризующийся высоким содержанием бетулина, суберина и фенольных соединений, открывает широкие возможности для ее использования в производстве композиционных материалов и биологически активных веществ [3]. Однако организация рентабельного производства требует решения фундаментальной задачи - разработки достоверной математической модели определения объемов бересты. Точный прогноз сырьевой базы критически важен для планирования логистических цепочек, проектирования производственных мощностей и обоснования инвестиций в перерабатывающие линии [4].
Современные исследования демонстрируют значительный потенциал использования бересты в композиционных материалах. В работах [5, 6] показано улучшение термических и механических свойств полимерных композитов при введении модифицированной бересты, а исследования [7, 8] подтверждают возможность создания на ее основе биоразлагаемых материалов. Эти разработки формируют устойчивый рыночный спрос, актуализируя задачу точного прогнозирования объемов сырья.
Анализ существующих методик показывает, что, несмотря на наличие работ по определению доли коры в общем объеме ствола [9], береста как специфический слой требует отдельного рассмотрения. Исследования [10, 11] детально изучают анатомическое строение и физико-химические свойства бересты, в то время как работы [12, 13] экспериментально исследуют изменение ее объема в зависимости от дендрометрических показателей.
В последнее десятилетие активно развиваются подходы к оптимизации раскроя и управления ресурсами на лесопромышленных предприятиях с использованием методов математического программирования [14, 15]. Однако эти модели преимущественно фокусируются на основном продукте, тогда как моделирование побочных продуктов, включая бересту, остается недостаточно разработанным.
Перспективным направлением является внедрение технологий цифровых двойников и лазерного сканирования [16-18], позволяющих с высокой точностью определять морфометрию бревен и служить источником данных для прецизионных моделей объема бересты. Исследования [19,20] в области логистики и управления качеством отходов также вносят значительный вклад в организацию берестяного сырьевого потока.
Анализ литературы свидетельствует о наличии значительного научного задела в смежных областях, однако комплексная математическая модель, предназначенная специально для прогнозирования объемов бересты на промышленном предприятии с учетом производства композиционных материалов, обладает научной новизной и практической значимостью.
Точный прогноз объемов сырья критически важен для планирования логистических цепочек, проектирования производственных мощностей, калькуляции себестоимости и, в конечном счете, для обоснования инвестиций в новые перерабатывающие линии. Существующие методы оценки носят зачастую эмпирический характер и не учитывают всего спектра влияющих факторов, что обуславливает необходимость разработки строгой математической модели, адаптированной к условиям конкретного деревообрабатывающего предприятия.
В частности, не учитывается нелинейный характер изменения морфометрических параметров березы по длине ствола, что приводит к значительной погрешности в расчетах валового выхода бересты.
В связи с этим разработка прецизионного инструмента для прогнозирования объемов данного вида сырья является научно-прикладной задачей, имеющей существенное значение для развития глубокой переработки древесных отходов.
Целью настоящей работы выступает разработка математической модели, предназначенной для прецизионной оценки объемов бересты и прогнозирования ее сырьевого потенциала на деревообрабатывающих предприятиях в контексте технико-экономического обоснования производства композиционных материалов. Ключевой задачей в рамках достижения поставленной цели является установление регрессионных зависимостей толщины бересты от диаметра ствола и его продольной координаты.
Материалы и методы
Объектом исследования служила береза пушистая (Betula pubescens Ehrh.) – типичный представитель лесных формаций европейской части России. Изучался пробковый слой коры (береста), отбираемый по всей длине ствола с деревьев диаметром от 12 до 44 см.
Заготовка образцов проводилась во время рубок ухода в Воронежском лесничестве. Для получения репрезентативных данных о пространственном распределении толщины и объема бересты было отобрано 16 модельных деревьев, охватывающих весь спектр товарных размеров древесины.
Отбор проб осуществлялся по специально разработанной схеме, предусматривающей взятие образцов коры (береста с лубом) на различных высотах: 0,5 м, 2,0 м и далее с 4-метровым интервалом по всей длине ствола. В каждом поперечном сечении пробы отбирались в пяти равноотстоящих точках по окружности ствола. Параллельно проводились замеры диаметров ствола в точках отбора проб. Стандартный размер образцов составлял 30×30 мм.
Общий объем экспериментального материала включил 482 образца, отобранных с 16 модельных деревьев (рис.1.). Все образцы прошли стандартную процедуру кондиционирования до воздушно-сухого состояния. Разработанная методика обеспечивает получение статистически достоверных данных о пространственной изменчивости характеристик бересты в зависимости от положения на стволе и таксационных показателей дерева.
Для обеспечения высокой точности измерений диаметра ствола в точках отбора образцов использовалась электронная мерная вилка Haglof Digitech DP II, оснащенная линейкой SmartScale. Измерительная система
характеризовалась диапазоном измерений от 0 до 500 мм с точностью ±1 мм. Регистрация и обработка данных осуществлялись с помощью карманного персонального компьютера со специализированным программным обеспечением, что обеспечивало автоматизированный сбор и документирование результатов.
Определение толщины образцов бересты проводилось с применением универсального цифрового микрометра «Кобальт», обеспечивающего измерения в диапазоне 0-25 мм с точностью 0,001 мм. Высокая точность измерительного прибора позволяла достоверно фиксировать пространственную изменчивость толщины бересты как вдоль ствола, так и по его окружности. Репрезентативная выборка результатов измерений представлена в таблице 1.
а) | a) б) | b)
Рисунок 1. Размерный план модельных стволов деревьев для заготовки образцов коры (а) и примеры образцов бересты (б)
Figure 1. Dimensional plan of model tree trunks for collecting bark samples (a) and examples of birch bark samples (b)
Источник: Собственная композиция авторов
Source: author’s composition
|
|
|
|
а) | a) |
б) | b) |
|
|
|
|
в) | c) |
г) | d) |
Рисунок 2. Примеры поперечных срезов образцов коры березы (береста и луба) полученных на расстоянии 0,5 м от комля: а) при диаметре 21,2 см; б) при диаметре 24,6 см; в) при диаметре 28,1 см; г) при диаметре 36,8 см.
Figure 2. Examples of cross-sections of birch bark samples (birch bark and bast) obtained at a distance of 0.5 m from the base: a) with a diameter of 21.2 cm; b) with a diameter of 24.6 cm; c) with a diameter of 28.1 cm; d) with a diameter of 36.8 cm.
Источник: Собственная композиция авторов
Source: author’s composition
Таблица 1
Table 1
Фрагмент результатов измерений толщины образцов бересты и коры, диаметров березы пушистой по длине ствола (Модельный ствол №8)
Fragment of the results of measurements of the thickness of birch bark samples and the diameters of fluffy birch along the trunk length (Model tree trunk No. 8)
|
Положение по длине ствола для взятия образцов, м | Position along the tree trunk for taking samples, m |
Диаметр ствола (см)/толщина бересты (мм)/толщина коры (мм) | Tree trunk diameter (cm)/birch bark thickness (mm)/bark thickness (mm) |
||||
|
1 образец (0 град.) | 1 sample (0 degrees) |
2 образец (72 град.) | 2 sample (72 degrees) |
3 образец (144 град.) | 3 sample (144 degrees) |
4 образец (216 град.) | 4 sample (216 degrees) |
5 образец (288 град.) | 5 sample (288 degrees) |
|
|
0,5 |
43,5 |
43,1 |
43,6 |
42,9 |
42,6 |
|
5,70 |
5,64 |
5,56 |
5,49 |
5,41 |
|
|
13,31 |
13,21 |
13,08 |
12,96 |
12,86 |
|
|
2 |
38,5 |
38,2 |
38 |
37,8 |
37,7 |
|
3,75 |
3,72 |
3,71 |
3,7 |
3,68 |
|
|
12,31 |
12,26 |
12,14 |
12,08 |
11,89 |
|
|
6 |
31,1 |
30,8 |
30,6 |
30,4 |
30,5 |
|
2,55 |
2,52 |
2,5 |
2,48 |
2,5 |
|
|
9,54 |
9,48 |
9,42 |
9,4 |
9,44 |
|
|
10 |
27,3 |
27 |
27 |
27,1 |
26,9 |
|
2,14 |
2,1 |
2,11 |
2,11 |
2,1 |
|
|
7,22 |
7,09 |
7,12 |
7,14 |
7,11 |
|
|
14 |
22,6 |
22,4 |
22,4 |
22,3 |
22,3 |
|
1,69 |
1,67 |
1,66 |
1,66 |
1,65 |
|
|
6,85 |
6,76 |
6,75 |
6,69 |
6,7 |
|
|
18 |
19,4 |
19,2 |
19,2 |
19,3 |
19,2 |
|
1,44 |
1,41 |
1,42 |
1,42 |
1,41 |
|
|
5,76 |
5,72 |
5,7 |
5,73 |
5,7 |
|
|
22 |
16,8 |
16,6 |
16,5 |
16,6 |
16,4 |
|
1,14 |
1,12 |
1,11 |
1,11 |
1,12 |
|
|
4,1 |
4,06 |
4,08 |
4,08 |
4,07 |
|
Источник: собственные вычисления авторов
Source: own calculations
Методы измерений и оборудование
Экспериментальные исследования выполнены в искусственно созданном насаждении березы пушистой. Следует отметить, что если пространственная изменчивость толщины коры у березы повислой достаточно хорошо изучена и имеются методики прогнозирования запасов бересты для этой породы, то для березы пушистой аналогичные исследования ранее не проводились. Данный вид обладает рядом преимущественных характеристик: более протяженной бессучковой зоной, шарообразной формой кроны с малым количеством сучьев, а также минимальной склонностью к искривлению стволов, что представляет особую ценность для фанерного производства.
Обработка экспериментальных данных выполнялась с использованием комплекса программных средств. Первичная обработка и статистический анализ данных измерений толщины бересты проводились в среде MS Excel. Для построения трехмерных моделей стволов и расчета объемов структурных компонентов применялось программирование на Python с использованием сплайн-функций, что позволило с высокой точностью аппроксимировать геометрические характеристики древесных стволов.
Многоуровневая математическая модель "береста-кора-ствол"
Для математического описания сложной геометрии древесного ствола разработана многоуровневая модель, основанная на применении сплайн-аппроксимации. В качестве математического аппарата использованы кубические сплайны, позволяющие с высокой точностью описывать как поперечные сечения ствола, так и его продольную образующую. Особенностью подхода является сохранение гладкости кривых и обеспечение непрерывности изменения кривизны по всей длине ствола.
Управление геометрической формой осуществляется через систему параметрических элементов, включающих контрольные точки и управляющие многоугольники. Данный подход обеспечивает гибкость в описании сложных поверхностей древесного ствола и позволяет точно учитывать его природную изменчивость.
Построение трехмерной геометрической модели
Трехмерное моделирование поверхности ствола реализовано на основе бикубических сплайнов. Модель представляет собой двустороннюю поверхность цилиндрического типа с замкнутой направляющей. Геометрическая структура задается регулярной сеткой контрольных точек, формирующей точечный каркас поверхности. Такой подход позволяет адекватно воспроизводить сложную морфологию древесного ствола и проводить точный расчет объемов его структурных компонентов, включая бересту и кору.
Можно считать, что она представлена своим точечным каркасом - матрицей значений:
_4+3.files/image100.png)
, (1)
заданных регулярным образом в узлах сетки
_4+3.files/image101.png)
; (2)
_4+3.files/image102.png)
; (3)
_4+3.files/image103.png)
. (4)
Источник: собственные вычисления авторов
Точечный каркас поверхности может быть образован одним из простейших способов, когда сетка Δ и матрица представляют собой значения прямоугольных декартовых координат, соответствующих точкам поверхности. Этот способ задает направление двух семейств координат линий: первое образовано замкнутыми линиями поперечных сечений sk, второе состоит из образующих боковой поверхности ствола дерева ti (рис. 3). Если значения точечного каркаса получены из точных измерений, то естественным способом аппроксимации таких данных является интерполяция в виде сплайна.
Так как, геометрическая модель поверхности ствола дерева относится к замкнутым поверхностям, то точнее и удобнее будет использовать ее параметрическое представление:
Так как, геометрическая модель поверхности ствола дерева относится к замкнутым поверхностям, то точнее и удобнее будет использовать ее параметрическое представление:
_4+3.files/image104.png)
, (5)
где _4+3.files/image105.png)
– нормированная в относительных величинах координата вдоль длины ствола (ось z); _4+3.files/image106.png)
– угловая координата на поперечном сечении (ось х, у); _4+3.files/image107.png)
– радиус ствола в точке получения образцов.
Последовательность параметризации поверхности, заданной узлами точечного каркаса, представлена следующим образом.
Проводится нормализация координаты z в диапазоне :
_4+3.files/image108.png)
. (6)
Таким образом, все точки взятия образцов представляют дискретные значения функции на сетке _4+3.files/image109.png)
.
Формируются сплайн-функции поперечных сечений ствола по длине z:
_4+3.files/image110.png)
, (7)
где _4+3.files/image111.png)
– координаты сечения на уровне z-k.
С учетом, что для каждого угла _4+3.files/image091.png)
выполняется условие:
_4+3.files/image112.png)
. (8)
Строим функцию , интерполированную по сетке точек _4+3.files/image113.png)
. Формируем систему декартовых координат:
_4+3.files/image114.png)
(9)
Таким образом, поверхность ствола формируется вращением радиуса вокруг оси ствола z c плавным изменением вдоль t.
Далее представим многослойную модель: береста – кора – ствол. Каждому слою соответствует своя сплайн-функция радиуса и длины:
_4+3.files/image115.png)
– радиус ствола в коре;
_4+3.files/image116.png)
– радиус коры или радиус ствола без коры;
_4+3.files/image117.png)
– радиус бересты или радиус ствола без бересты.
Тогда модель имеет три вложенные поверхности:
_4+3.files/image118.png)
. (10)
Объем каждой из вложенных моделей определяется исходя, что фигуры образованы вращением кривой _4+3.files/image119.png)
вокруг оси ствола z. Представим его интегралом по параметрической поверхности:
_4+3.files/image120.png)
где _4+3.files/image121.png)
.
Данная модель была реализована в среде программирования Python.
Результаты исследования и их обсуждение
Проведенный анализ экспериментальных данных выявил устойчивые закономерности в распределении толщины коры и бересты по длине ствола березы пушистой (рис. 4). Установлено, что толщина обоих параметров демонстрирует выраженную зависимость от диаметра ствола и положения по его длине. Наблюдается постепенное уменьшение толщины коры и бересты от комлевой части к вершине дерева.
Важным результатом является выявление относительной однородности распределения толщины по окружности ствола. Колебания значений в пяти контрольных точках отбора проб не превышают 6,4%, что свидетельствует о равномерности формирования коры и бересты по периметру ствола.
На рисунке 5 представлены установленные зависимости толщины бересты и коры от диаметра и местоположения по длине ствола, а на рисунке 6 ъпоказаны обобщенные зависимости для всей совокупности исследованных модельных стволов.
Статистическая обработка массива экспериментальных данных, включающего 486 образцов и 2430 отдельных измерений, подтвердила воспроизводимость выявленных закономерностей для всей выборки модельных деревьев. Полученные зависимости позволяют с достаточной для практических целей точностью прогнозировать объемы бересты на основе таксационных показателей деревьев.
Комплексный анализ экспериментальных данных выявил четкие закономерности в распределении толщины коры и бересты по длине ствола. Как показывает комплексный график (рис. 6), зависимость толщины бересты от диаметра и положения по длине ствола имеет нелинейный характер и успешно описывается степенной функцией. Наблюдается значительное изменение толщины бересты и коры по длине ствола - от максимальных значений 5,75 мм и 13,6 мм в комлевой части до минимальных 0,62 мм и 3,25 мм в вершинной соответственно. У всех исследованных модельных деревьев прослеживается устойчивая тенденция увеличения толщины бересты с ростом диаметра ствола при одновременном ее уменьшении по направлению от комля к вершине. Характерной особенностью является локальное увеличение толщины в зоне расположения сучков. Полученные зависимости позволяют с высокой достоверностью прогнозировать объемы бересты на основе дендрометрических показателей деревьев, что имеет важное значение для организации промышленной переработки данного вида сырья.
Рисунок 4. Изменение диаметра в коре, толщины коры и толщины бересты по длине ствола березы пушистой (модельный ствол №8)
Figure 4. Changes in bark diameter, bark thickness, and birch bark thickness along the length of a downy birch trunk (model trunk No. 8)
Источник: собственные вычисления авторов
1. Savov V, Antov P, Zhou Y, Bekhta P. Eco-Friendly Wood Composites: Design, Characterization and Applications. Polymers (Basel). 2023 Feb 10;15(4):892. doi:https://doi.org/10.3390/polym15040892. PMID: 36850175; PMCID: PMC9966963.
2. Zyryanov, Mikhail & Medvedev, Sergei & Stupak, Pavel & Khvostov, Alexey. (2023). Analysis of the rationality of using a natural resource in the form of wood biomass. IOP Conference Series: Earth and Environmental Science. 1231. 012071.https://doi.org/10.1088/1755-1315/1231/1/012071.
3. Leontiev L.L., Morskoy-Lemeshko P.D., Eltsova L., Vedernikov D.N. Chemical composition and mechanical properties of various parts of birch wood. Journal of Chemistry and Petroleum Engineering. 2022;56(4):589-602. DOI:https://doi.org/10.14258/jcprm.20220411045
4. Thurner T., Kuzminov I., Lobanova P. The Russian forest industry: declining wood production and emerging opportunities in bioenergy. Biofuels. 2022;13(7):845-857. DOI:https://doi.org/10.1080/17597269.2022.2144761
5. Skurydin Yu.G., Skurydina E.M. Birchwood pre-hydrolytic treatment effect on physical and mechanical characteristics of composite material obtained on its basis. Forestry Bulletin. 2022;26(4):103-112. DOI:https://doi.org/10.18698/2542-1468-2022-4-103-112
6. Rudykh L.G., Khomich N.V. Problems and prospects of low-rise construction in Eastern Siberia in 2020-2021. AIP Conference Proceedings. 2022;2456:020013. DOI:https://doi.org/10.1063/5.0091611
7. Arefieva S.A., Vavilova V.V. Unique application of composite materials in modern science and technology. Modern Science. 2022;4:41-47. DOI:https://doi.org/10.47813/mip.4.2022.4.41-47
8. Zhukov A., Stepina I., Bazhenova S., Sodomon M. Preliminary optimization of composite compositions based on modified Sosnowsky's Heracleum. BioResources. 2024;19(3):5731-5740. DOI:https://doi.org/10.15376/biores.19.3.5731-5740
9. Gorbunova V., Menshikov S. The Chemical Composition of Birch Leaves and the Vital State of Birch Stands in the Gradient of Aerotechnogenic Emissions of JSC "Karabashmed". Environmental Research. 2023;216:114432. DOI:https://doi.org/10.1016/j.envres.2022.114432
10. Platonov A., Novikov A., Kantyeva E.V., Snegireva S., Novikova T., Drapalyuk M. Wood Quality along the Trunk Height of Birch and Aspen Growing in the Restoring Forests of Central Russia. Forests. 2022;13(11):1758. DOI:https://doi.org/10.3390/f13111758
11. Safina A., Safin R.G., Valeev K.V., Nazipova L.R., Solov'eva E.N. Mathematical description of birch bark impregnation and heating process of birch bark with toluene. E3S Web of Conferences. 2023; 413:06007. DOI:https://doi.org/10.1051/e3sconf/202341306007
12. Medvedev S.P., Yakusheva M., Dudin P. A model for improving the efficiency of forest industry enterprises in the context of rational environmental management. BIO Web of Conferences. 2024; 108:14004. DOI:https://doi.org/10.1051/bioconf/202410814004
13. Krivorotova A.I., Usoltsev O.A. Study of the possibility of using biomass coniferous in the production of composite materials. IOP Conference Series: Materials Science and Engineering. 2023; 1230:012011. DOI:https://doi.org/10.1088/1757-899X/1230/1/012011
14. Dolmatov S., Scherbakov A., Tsubiks V., Zhadan O., Sayfutdinova A., Sakhapov R. Increasing the efficiency of design in CAD CAE systems based on the application of parametrization methods. BIO Web of Conferences. 2024; 105:05010. DOI:https://doi.org/10.1051/bioconf/202410505010
15. Kunickaya O., Levushkin D., Voronova A., Storodubtseva T., Kruchinin I., Pomiguev A., Borisov V.M., Ivanov V. Analysis of modern wood processing techniques in timber terminals. Forests. 2023;14(8):1543. DOI:https://doi.org/10.3390/f14081543
16. Zyryanov M., Yakusheva M.O. The introduction of modern woodworking equipment into the logging process as a tool to improve environmental management. BIO Web of Conferences. 2024;1 08:14005. DOI:https://doi.org/10.1051/bioconf/202410814005
17. Saveliev Y. Biotechnological potential of the forest regions of Russia and a feasibility study for integrated processing of forest biotechnological resources. Forestry Bulletin. 2022;26(2):45-53. DOI:https://doi.org/10.15862/02nzor122
18. Tagarakis, A. C., Benos, L., Kyriakarakos, G., Pearson, S., Sørensen, C. G., & Bochtis, D. (2024). Digital Twins in Agriculture and Forestry: A Review. Sensors, 24(10), 3117. https://doi.org/10.3390/s24103117
19. Reinprecht L., Iždinský J. Composites from Recycled and Modified Woods – Technology, Properties, Application. MDPI Books. 2023;210 p. DOI:https://doi.org/10.3390/books978-3-0365-3108-3
20. Wenig C., Berendt F., Burgert I. et al. Adhesives free bark panels: An alternative application for a waste material. PLoS ONE. 2023;18(3): e0280721. DOI:https://doi.org/10.1371/journal.pone.0280721
