利用气凝胶模板法可间接制备油凝胶,该方法具有制备简单、性能优异等优点而被广泛关注。本研究通过静电相互作用制备了羧甲基纤维素钠(carboxy methyl cellulose-Na,CMC-Na)/大豆分离蛋白(soybean protein isolate,SPI)复合气凝胶,探究...利用气凝胶模板法可间接制备油凝胶,该方法具有制备简单、性能优异等优点而被广泛关注。本研究通过静电相互作用制备了羧甲基纤维素钠(carboxy methyl cellulose-Na,CMC-Na)/大豆分离蛋白(soybean protein isolate,SPI)复合气凝胶,探究不同蛋白含量对气凝胶平均粒径、微观结构、红外光谱、吸油动力学、吸油和持油能力的影响。并基于气凝胶模板制备油凝胶,对其质构性能、抑菌性能以及贮藏稳定性进行表征。结果表明,SPI和CMC-Na依靠静电吸附形成了稳定的复合物,平均粒径随着蛋白含量的增加而增大。复合气凝胶显示出更加致密的多孔网络结构,持油能力得到增强,但不利于吸油性能的改善。同时,蛋白的加入提高了油凝胶的强度,增加了杨氏模量,并改善了油凝胶的抑菌效果和贮藏稳定性。因此,气凝胶模板法可视为制备油凝胶的良好方法,并且基于多糖蛋白静电吸附可以制备稳定的油凝胶体系。展开更多
以内蒙古地区牙克石林业管理局的大兴安岭天然白桦林(Betula platyphylla)为研究对象,利用198块样地数据分析天然白桦林林分碳密度与各林分变量之间的关系,建立碳密度预测基础模型,同时将立地条件(草类白桦林、杜鹃-越桔白桦林、榛子白...以内蒙古地区牙克石林业管理局的大兴安岭天然白桦林(Betula platyphylla)为研究对象,利用198块样地数据分析天然白桦林林分碳密度与各林分变量之间的关系,建立碳密度预测基础模型,同时将立地条件(草类白桦林、杜鹃-越桔白桦林、榛子白桦林)作为哑变量引入到预测模型中,对不同林型的林分碳密度进行预测,为林业研究中碳密度模型的构建以及森林碳汇工作提供思路和方法。结果表明,天然白桦林林分碳密度基础模型决定系数(R^(2))为0.703,均方根误差(RMSE)为8.615 t/hm^(2),赤池信息量(Akaike information criterion,AIC)为841.206,贝叶斯信息量(Bayesian Information Criterion,BIC)为851.071。引入立地条件哑变量后,R^(2)有所增大,最大达到0.818,RMSE均小于等于8.241 t/hm^(2),说明模型具有较好的稳定性,预估参数较为精确。哑变量模型的AIC均小于等于541.431,BIC均小于等于550.320。哑变量模型能够反映不同立地条件下碳密度的变化,在模型的拟合和检验方面都显示适合于研究地区林分碳密度的预测,为天然白桦林碳密度估算提供参考。展开更多
文摘利用气凝胶模板法可间接制备油凝胶,该方法具有制备简单、性能优异等优点而被广泛关注。本研究通过静电相互作用制备了羧甲基纤维素钠(carboxy methyl cellulose-Na,CMC-Na)/大豆分离蛋白(soybean protein isolate,SPI)复合气凝胶,探究不同蛋白含量对气凝胶平均粒径、微观结构、红外光谱、吸油动力学、吸油和持油能力的影响。并基于气凝胶模板制备油凝胶,对其质构性能、抑菌性能以及贮藏稳定性进行表征。结果表明,SPI和CMC-Na依靠静电吸附形成了稳定的复合物,平均粒径随着蛋白含量的增加而增大。复合气凝胶显示出更加致密的多孔网络结构,持油能力得到增强,但不利于吸油性能的改善。同时,蛋白的加入提高了油凝胶的强度,增加了杨氏模量,并改善了油凝胶的抑菌效果和贮藏稳定性。因此,气凝胶模板法可视为制备油凝胶的良好方法,并且基于多糖蛋白静电吸附可以制备稳定的油凝胶体系。
文摘以内蒙古地区牙克石林业管理局的大兴安岭天然白桦林(Betula platyphylla)为研究对象,利用198块样地数据分析天然白桦林林分碳密度与各林分变量之间的关系,建立碳密度预测基础模型,同时将立地条件(草类白桦林、杜鹃-越桔白桦林、榛子白桦林)作为哑变量引入到预测模型中,对不同林型的林分碳密度进行预测,为林业研究中碳密度模型的构建以及森林碳汇工作提供思路和方法。结果表明,天然白桦林林分碳密度基础模型决定系数(R^(2))为0.703,均方根误差(RMSE)为8.615 t/hm^(2),赤池信息量(Akaike information criterion,AIC)为841.206,贝叶斯信息量(Bayesian Information Criterion,BIC)为851.071。引入立地条件哑变量后,R^(2)有所增大,最大达到0.818,RMSE均小于等于8.241 t/hm^(2),说明模型具有较好的稳定性,预估参数较为精确。哑变量模型的AIC均小于等于541.431,BIC均小于等于550.320。哑变量模型能够反映不同立地条件下碳密度的变化,在模型的拟合和检验方面都显示适合于研究地区林分碳密度的预测,为天然白桦林碳密度估算提供参考。