杏鲍菇秋葵咀嚼片配方优化与质量标准研究

为了优选杏鲍菇秋葵咀嚼片配方,以杏鲍菇粗多糖、杏鲍菇超细粉为主要原料,采用全粉末直接压片技术,选取片重差异、崩解时限、硬度及脆碎度的综合评定值为评价指标,通过响应面法确定最佳配方,并制定产品的质量指标。结果表明,杏鲍菇秋葵咀嚼片的最佳配方为杏鲍菇粗多糖38%、杏鲍菇超细粉49%和黄秋葵超细粉13%,制成的咀嚼片表面光滑、色泽均匀。综上,采用多指标综合评分法优化杏鲍菇秋葵咀嚼片配方是可行的,所得工艺配方稳定可靠,这为我国咀嚼片剂工艺创新及其产业化应用研究提供了新思路。     

菠萝蜜种子淀粉制备香草兰微胶囊的工艺研究

以菠萝蜜种子淀粉为壁材,采用饱和水溶液法制备香草兰精油微胶囊,以包埋产率为指标,采用响应面分析法对微胶囊的包埋条件进行优化探讨。结果表明:5个单因素中,影响最显著的因素为壁芯材比例、包埋温度和包埋时间。响应面优化得到香草兰精油微胶囊的最佳工艺条件为壁芯材比例为7.5∶1;包埋时间72 min;包埋温度54℃,此条件下的包埋产率为(95.46±0.2)%,包埋率为(76.35±0.6)%,载油量为(27.73±0.3)%。试验证明,此条件结果与模型预测值相吻合,此工艺条件可为菠萝蜜种子淀粉包埋香草兰精油微胶囊工艺提供理论依据。     

云南省岩溶区草原石漠化治理工程成效监测与分析

指出了云南省岩溶面积位居中国第二,是我国石漠化最严重、生态问题最突出的区域之一。该区域岩溶地貌典型,广泛分布有不同类型、各具特点的石漠化草原,近年来通过对石漠化草原开展工程治理,取得了一定的效果。但具体成效如何,不同区域治理成效有何差异以及存在的问题还不是很清楚。通过开展草原石漠化治理工程成效监测,并对监测数据进行了分析,得到了一些有价值的启示,旨在为今后我国岩溶区生态修复、石漠化草原治理等方面提供参考。     

激光粒度仪法与湿筛-沉降法测定火山碎屑物发育土壤颗粒组成的比较

为了比较湿筛-沉降法和激光粒度仪法测定玄武质火山碎屑物发育土壤的颗粒组成的结果,对供试土壤进行了比重值测定,并采用实测比重值和常用比重值(2.65)分别进行了湿筛-沉降法的土壤颗粒组成测定,同时又对样品进行了激光粒度仪法测定。结果表明:玄武质火山碎屑物发育土壤的比重值较土壤的常用比重值有一定的差异,进而导致了两种比重值条件下湿筛-沉降法测定的土壤颗粒组成的差异,但相差不大。激光粒度仪法测定的土壤颗粒组成与湿筛-沉降法比较,黏粒含量偏低,粉粒含量偏高,绝大多数砂粒含量偏高。导致这种差异的原因之一是两种方法的测定原理不同,分别测定的是同一颗粒的不同特征;其次是测定的粒径范围不同,湿筛-沉降法测定<2 mm的全部土粒,但激光粒度仪法对小于某粒径(MS3000激光粒度仪的测量范围是0.01～3500μm)的土粒不做测量;此外,还受黏土矿物的层状构造及土壤分散方法的影响。由于不同生产厂家、不同型号的激光粒度仪,其测量范围不同,对土壤颗粒组成的测定结果会产生一定的影响。所以,建议在应用激光粒度仪测定土壤颗粒组成时,标示仪器的生产厂家和型号。     

灰绿碱蓬多糖脱蛋白工艺研究

蛋白本身具有热敏感性,糖蛋白复合物在脱除蛋白质以后,多糖自身的生物活性会明显增加。本文测定了灰绿碱蓬根、茎、叶的基本营养成分,采用水提醇沉法提取了灰绿碱蓬多糖,并优化了多糖脱蛋白工艺比较了Savage法、(NH4)SO4沉淀法、TCA法和酶-Savage法这4种方法的脱蛋白效果。结果显示,灰绿碱蓬多糖的最佳脱蛋白方式为酶-Savage法,酶添加量为7%,Savage溶液处理一次,此条件下脱蛋白效果和多糖保留率均最好,蛋白质脱除率为80.71%,多糖保留率为67.27%。     

校园环境噪声监测与评价--以华中师范大学为例

环境噪声是环境质量评价的重要指标。通过噪声监测实验,记录了华中师范大学校园内的噪声污染数据,根据国家标准评估了校园环境噪声状况。试验采用网络剖分法,分别于昼间7:30~10:00和夜间22:00~22:55两个时间段对等效声级进行了测定。实验结果表明:昼间噪声污染更为严重,平均噪声超标率达到26%,夜间噪声污染相对较轻,但噪声超标率也达到19%。校园内不同功能区的噪声来源不同,工程施工产生的噪声是主要的污染源,影响比重达到58%。根据实验结果,校园声环境质量一般,需要对现状提出合理的改进建议。     

国家地下水监测工程(辽宁省部分)站网布设探析

根据国家地下水监测工程的总体部署,辽宁省地质环境监测总站完成了"国家地下水监测工程(辽宁省部分)"的初步设计、监测站点的建设以及验收工作。辽宁省共建成自动水位监测站点455个,监测站点覆盖了全省14个地级市,控制面积达62 118 km~2,全部实现了水位数据自动传输,提高了地下水监测工作的精度,形成了一个集地下水信息采集、传输、处理、分析及信息服务为一体的信息系统,基本实现了对辽宁省地下水动态的有效监测以及对重点地区地下水监测点的实时监控。     

基于PCA-Attention-LSTM网络的土壤氮含量监测

土壤作为农作物生长的主要营养来源,氮是植物生长的重要元素,有效评价土壤氮素含量可以促进配方施肥的发展。提出主成分分析、注意力机制和长短时记忆神经网络相结合的模型(PCA-Attention-LSTM)来监测土壤的氮素含量。采用PCA(主成分分析)对数据进行处理,提取影响土壤氮含量的关键影响因子,降低模型向量输入的维数,利用注意机制突出预测中的关键输入特征。在Keras深度学习框架的基础上搭建PCA-Attention-LSTM的网络模型,实现对未来2 h土壤氮含量的精监测。最后,以黑龙江省依安甜菜养植基地的数据对土壤氮含量进行训练和验证。结果表明,与RNN等其它网络模型相比,该模型的效果更好,基于PCA-Attenlion-LSTM网络模型的平均绝对误差,均方根误差和平均绝对百分误差分别为0.119、0.020、0.156。该模型预测精度高,泛化能力强,可以应用于土壤氮含量的监测。