我国焙烤食品中食品添加剂应用与检测技术现状

本文介绍了我国焙烤食品的发展现状、食品添加剂的应用和检测技术现状。总体来看,焙烤食品行业的发展呈现百花齐放的良好势头,不过随着行业地快速发展,也暴露出了不少焙烤食品生产中的一些问题。本文从产品质量检验的角度出发,介绍了焙烤食品中添加剂使用的常见问题和检测方法,并提出了一些设想。     

基于地理探测器的山东省莱阳市耕地类型时空分布及其影响因素

[目的] 探索不同耕地类型的空间分布、动态变化及其影响因素,为该区域耕地保护、可持续农业发展和水土保持综合治理提供科学指导。[方法] 以山东省莱阳市为研究区,基于2019—2021年高分遥感数据,结合野外调查,采用动态变化度、土地利用转移矩阵及地理探测器等方法,对耕地类型进一步细分为水浇地、旱平地、旱坡地、旱梯田、撂荒地等5类,并探讨其空间分布影响因素、年际时空分布格局及其易变化区域识别。[结果] ①研究区耕地占土地总面积的54.44%,整体呈现南多北少,西多东少的特征;以旱梯田为主,所占比例为61.19%;其次为水浇地、旱平地和旱坡地,撂荒地仅占0.33%。②单因子探测器结果表明,地貌类型、坡度及土壤类型是影响耕地类型分布的主导因素,因子交互作用时,影响因子的解释力q值均达0.3以上。③2019—2021年耕地总体动态度为-0.25%,面积减少4.73 km²,主要由旱梯田、旱坡地、旱平地、水浇地转化为建设用地,多发生在城镇周边,且以低丘陵区坡度小于5°的棕壤土居多。[结论] 研究区耕地类型以旱梯田为主,分布在低丘陵区且坡度较平缓(耕作质量较好)的耕地类型易发生变化,从而使耕地面积持续减少。因此,应加强对高质量耕地的保护措施。     

婴幼儿配方奶粉中功能性低聚糖的高效液相色谱-蒸发光散射检测研究

建立了一种同时测定蔗果三糖、蔗果四糖、蔗果五糖、棉籽糖、水苏糖和毛蕊花糖的高效液相色谱-蒸发光散射(HPLC-ELSD)联用技术,采用氨基柱分离,乙腈-水为流动相,梯度洗脱,使用蒸发光散射检测器进行检测。结果表明:在本试验条件下6种功能性低聚糖得到了很好分离,回收率为91.8%～102.0%,相对标准偏差(RSD)小于3%(n=6)。该方法能快速、准确及可靠地检测婴幼儿配方奶粉中功能性低聚糖的含量。     

食品中黄曲霉毒素B_1检测方法研究进展

黄曲霉毒素是一种肝脏毒素,对人和许多动物都有极强的致癌性,其中黄曲霉毒素B1毒性最大,致癌性最强。世界各国都注重食品中黄曲霉毒素B1的检测技术研究,本文主要介绍食品中黄曲霉毒素B1常见的检测方法,并列举了其主要特点和应用范围。     

食醋与果汁浓度对苯生成量的影响

试验应用顶空-气相色谱-质谱联用技术对实际食品中苯甲酸钠与VC反应生成苯的量进行检测。结果表明,该反应存在最佳pH值,且不同食品体系的最佳pH值之间存在差异。陈醋溶液中最佳pH值为3.83、白醋溶液为3.54、柠檬汁溶液为2.84。橙汁溶液中无可检测的苯生成。     

基于地理探测器的江苏省沿江地区土壤侵蚀定量分析

[目的]研究江苏省沿海地区土壤侵蚀空间分布特征,识别主要影响因素并开展驱动力因子定量归因,为该区域水土流失防治与生态环境建设提供科学指导。[方法]以江苏沿江地区为对象,基于高分辨率遥感影像、数字高程模型和长系列降雨等数据,采用中国土壤流失方程、地理探测器等方法,探索土壤侵蚀空间分异性的主导影响因子及其交互作用影响程度,识别土壤侵蚀高风险区域。[结果](1)平原区与山丘区土壤侵蚀均以坡度与土地利用类型为主导因素。茶园的土壤侵蚀以植被覆盖度为主导,其他类型土地的土壤侵蚀均以坡度为主导因子。(2)土壤侵蚀的主导交互作用为坡度叠加土地利用类型。茶园与草地主导交互作用因子为坡度叠加植被覆盖度,其他类型土地的土壤侵蚀主导交互作用因子为坡度叠加降雨量。(3)果园、茶园、林地与生产建设活动扰动地的土壤侵蚀高风险区域位于坡度>20°,降雨量1 300～1 400 mm,植被高覆盖度的丘陵山区。[结论]地理探测器操作简便,结果包括单因子影响、两因子交互作用及风险区域分析。江苏省生产建设活动扰动地、园地的水土流失问题应引起密切关注。     

群落尺度植被水土保持功能评价模型的构建——以大别山北麓安徽省金寨县为例

[目的]探索群落尺度植被水土保持功能评价模型,为大别山区植被水土保持与生态建设提供参考依据.[方法]基于已有研究通过文献计量法、专家经验法筛选建立植被水土保持功能初选指标(包括植被类型、植被结构、地形等30项).通过野外调查获取指标实测值,利用随机森林法、决策树法分析、衡量各指标,以指标实测值与土壤侵蚀量建立多元逐步回...     

面向亚热带丘陵区小流域土壤有机碳空间预测的四种模型构建及性能比较

土壤是陆地生态系统最大的碳库,在提升生态系统服务功能和调节气候变化等方面发挥关键作用。对复杂多变环境下土壤有机碳(SOC)含量的精确预测将有助于正确评估区域土壤质量和碳汇功能。本研究以亚热带丘陵区一个典型小流域为研究对象,以地形、气候和植被三类环境变量为驱动因子,分析支持向量机回归(SVR)、随机森林(RF)、极端梯度提升算法(XGBoost)和轻量级梯度提升机(LightGBM)四种不同的机器学习算法在土壤(0~20 cm)SOC含量预测中的精度差异,并筛选影响SOC分布的主要环境影响因素。结果表明,RF模型、XGBoost模型和LightGBM模型均能较好预测SOC含量,以RF模型的表现相对最佳(R^(2)=0.540),其预测精度优于XGBoost(R^(2)=0.528)和LightGBM模型(R^(2)=0.504)。而SVR模型的预测精度(R^(2)=0.427)低于模型预测精度的最低可接受值0.50,并不适用于亚热带丘陵地貌SOC含量的预测。相关分析表明,在亚热带丘陵地貌区,地形(主要为海拔)对几种模型预测的贡献最大,是预测SOC的重要环境变量。基于四种模型预测的SOC数字制图显示,SOC空间分布趋势总体相似,均表现为北部区域、西南和东南边缘区域SOC含量较高,而中部区域SOC含量普遍偏低。