Effects of red-wine grape pomace on the quality and sensory attributes of beef hamburger patty

This study was conducted to evaluate the effect of red-wine grape pomaces on the quality and sensory attributes of beef hamburger patties. Both phenolic content and antioxidant activity were assessed using Syrah, Merlot and Cabernet Sauvignon pomaces. Following the assessment, hamburger patties were prepared with Merlot pomace at 0%, 2% and 4% for the patty quality and sensory attributes. Grape seeds possessed significantly higher phenolics and antioxidant activities over the seedless pomace (P < 0.05), whereas no significant difference was found for phenolics and antioxidant activities within the seeds and seedless pomaces. The patty pH decreased as the pomace was added for 2% and 4%. Colour values (L*, a* and b*) of patties lowered as the pomace was added. Allo-Kramer shear force and hardness values increased while cooking yield decreased (P < 0.05) with the addition of pomace. No significant difference between control and Merlot patties was found for flavour, juiciness and colour, whereas lower sensory attributes were observed for texture, taste and overall acceptability. It is observed that the addition of fermented red-wine grape pomace provides hamburger patties with health promoting factors such as antioxidant and other functional components, but it also provided darker, sourer and lower cooking yield.     

子集模拟中马尔可夫链蒙特卡洛抽样算法比较

文章着重研究子集模拟中马尔可夫链蒙特卡洛(MCMC)抽样算法的抽样效率与计算精度。首先，阐述可靠度子集模拟的基本原理与中间状态样本生成的各种MCMC抽样算法，在稳态马尔可夫链构造基础上提出延迟拒绝MMH(Modified Metropolis Hasting)算法，通过在MMH算法上增加备选样本的延迟拒绝步提高MMH算法的抽样效率；阐述基于随机游走与基于扩散方程MCMC方法中建议分布的差异，进一步对备选样本接受率为1的preconditioned Crank-Nicolson(pCN)算法和条件抽样(Conditional sampling, CS)算法开展研究，证明两种算法的等价性；推导有效样本量的计算方法，提出采用有效样本量与总样本量的比值定义MCMC方法的抽样效率。通过复杂目标分布的样本生成研究不同MCMC抽样算法建议分布及其参数对备选样本接受率与抽样效率的影响，最后通过计算实例研究子集模拟过程采用不同MCMC抽样算法得到失效概率的相对误差及其变异性，揭示不同MCMC抽样算法对失效概率计算精度的影响。研究表明：不同MCMC抽样算法生成备选样本的接受率及其自相关性受建议分布及其参数影响较大，对于复杂的目标分布，pCN算法和CS算法的抽样效率较高，延迟拒绝MMH算法次之；采用CS算法和延迟拒绝MMH算法进行子集模拟得到的失效概率精度较高且变异性较低；增加子集模拟中间状态样本量可以提高失效概率计算精度并降低其变异性。     

基于移动窗口法的城市遥感生态质量评价研究

为进一步提高城市生态监测的精确度，在前人开展的城市生态遥感监测研究的基础上引入“区域尺度”的概念，充分考虑小区域范围内不同地物间的交互作用，并利用移动窗口模型(Moving Window-Remote Sensing Ecology Index, MW-RSEI)对沈阳市浑南区的遥感影像进行逐像元分析。实验结果表明，MW-RSEI模型和生态遥感监测模型（Remote Sensing Ecology Index, RSEI)在整体生态评价趋势上表现出一致性。但MW-RSEI模型对城市生态中的细节区域表征更明显。考虑到建筑及裸地周围植被的影响，其较差生态区域的占比仅为6%，生态评价为优的区域占比为11%。研究区生态评价结果表现得较为连续，并未出现明显的断层现象。该结果具有现实意义且与实际生态分布更为符合。MW-RSEI模型在城市生态监测中更为适用，可为相关部门提供一定的技术参考。     

气候变化背景下滇中引水工程水源区与受水区 降水丰枯遭遇分析

基于历史实测降水数据与全球气候模型预估数据，使用 Morlet 小波方法分析滇中引水工程水源区与受水区 降水序列的周期变化和未来的降水趋势。同时，采用 Copula 函数计算历史时期（1960—2021 年）与未来时期 （2022—2100 年）水源区与受水区降水丰枯异步或丰枯同步的概率。结果表明：1960—2021 年降水序列存在 26~39?a、18~25?a、4~7?a 的 3 类时间尺度的周期变化，2022—2100 年降水序列存在 38~55?a、18~30?a、5~12?a 的 3 类时间尺度的周期变化，降水量呈现“多—少—多”的循环交替，预计未来 10~20?a 将持续处于降水较多的时期； 过去 62?a，水源区和受水区降水丰枯异步频率 36.4%，同期丰水年频率为 25.3%，同期枯水年频率小于 30%，水源区 和受水区具有水量互补的引水条件，两区域之间存在着水量补偿特征；与历史丰枯遭遇对比，未来降水量丰枯同 步频率均呈现减小的趋势，丰枯异步呈现增加的趋势，同枯和源枯受丰的频率减少，未来有利于调水的降水丰枯 组合概率平均增加 3.75%；在近、中、远期预估中，从 SSP1-2.6 情景过渡到 SSP5-8.5 情景，SSP5-8.5 情景下降水量 丰枯异步频率比 SSP1-2.6 情景大，说明水源区与受水区的降水区域差异变大，降水时空差异更加显著。通过对滇 中引水工程水源区与受水区降水量丰枯遭遇的综合分析、定量评估和模拟预测，为滇中引水工程水资源调度协同 一体化提供数据支撑及参考依据。