1 斯里兰卡瓦亚姆巴大学食品科学与技术系、畜牧、渔业与营养学院,Makandura, Gonawila 60170,斯里兰卡;yujayakodi@gmail.com 2 佩拉德尼亚大学农业研究生院,佩拉德尼亚 20400,斯里兰卡;thiviya904@gmail.com 3 佩拉德尼亚大学工程学院化学与过程工程系,佩拉德尼亚 20400,斯里兰卡;ashogamage@gmail.com 4 中国斯里兰卡水技术联合研究示范中心 (JRDC),Meewathura Road, Peradeniya 20400,斯里兰卡 5 图卢兹大学国立农业与环境研究所农业工业化学实验室,LCA,31030 图卢兹,法国; philippe.evon@ensiacet.fr 6 佩拉德尼亚大学农业学院食品科学与技术系,佩拉德尼亚 20400,斯里兰卡 7 Département Génie Biologique, Institut Universitaire de Technologie A, Universit é Paul Sabatier, 32000 Auch, France * 通讯地址: tmadhujith@agri.pdn.ac.lk(TM); othmane.merah@ensiacet.fr (OM);电话:+94-713412171(TM); +33-(0)5-34-32-35-23 (OM)
图1:不同药物来源的各种化合物的比较对接得分。该图突出了源自传统药用植物和对照的化合物的结合效率(kcal/mol的对接得分),表明它们是抗病毒药的潜力。较低的对接得分代表更强的结合亲和力,具有诸如甘油丁素,amarogentin和withaferin a的化合物表现出了异常相互作用。颜色编码类别有助于源的视觉分化。
摘要胃肠道是人类健康的基石,受饮食,微生物群和免疫系统的影响。肠道健康的破坏会导致腹泻,这是急性和慢性影响的重大全球健康挑战。虽然可以使用腹泻的常规治疗方法,但药用植物提供了一种互补的,通常更可持续的方法,植根于几个世纪的传统用途。本文研究了肠道健康,腹泻的原因和影响与药用植物的治疗潜力之间的关系。它深入研究了基于植物的疗法的历史和文化意义,审查了支持其功效的科学证据,并强调了案例研究,展示了它们在治疗腹泻方面的成功应用。讨论强调需要进行进一步研究,临床试验和标准化,以将这些自然疗法整合到现代医学实践中。关键词:肠道健康,腹泻,药用植物,菌群,传统医学,胃肠道疾病。
该项目的目的是设计、演示和测试使用三维混凝土打印 (3DCP) 技术现场制造的风力涡轮机塔架部分和海上风能组件,以促进在加州部署大型陆基和海上风力涡轮机。该项目结合了 WSP USA 的结构设计和分析、加州大学欧文分校的材料开发和测试、生命周期评估、实验室结构测试和有限元建模,以及 RCAM Technologies 的技术经济分析、原型设计和大型 3D 混凝土打印演示。项目团队成功设计了加利福尼亚州 7.5 兆瓦风力涡轮机的 3D 打印混凝土塔架和基础,通过在模拟疲劳和地震载荷下对 3DCP 塔架组件进行大规模结构测试来验证设计,量化了 3DCP 塔架的生命周期成本和环境影响并确定了降低成本的途径,完成了大规模户外塔架打印演示,并评估了使用 3DCP 制造海上风能锚和海底储能系统的可行性。这些发现支持了加利福尼亚州的清洁能源和气候目标,通过降低风能成本实现净零碳排放,同时创造高薪工作并利用现有的本地供应链。
虚拟电厂 (VPP) 是分布式能源 (DER) 的集合,可以平衡电力供需并提供公用事业规模和公用事业级电网服务。i 本报告使用术语“虚拟发电厂”(VPP),因为这是业内使用的主要术语,尽管报告认识到其他组织使用不同的术语来描述类似的电网资产。美国国家监管公用事业委员会协会 (NARUC) 使用聚合分布式能源 (ADER) 来描述能够通过调度或控制向电网提供一项或多项服务的 DER 组。ii 电力研究机构 (EPRI) 使用术语分布式能源资源聚合 (DERA)。其他行业参与者使用术语分布式发电厂 (DPP)。本报告对虚拟发电厂的定义包括符合所有这些术语定义的电网资产,包括传统的需求响应 (DR)。
虚拟电厂 (VPP) 是分布式能源 (DER) 的集合,可以平衡电力供需并提供公用事业规模和公用事业级电网服务。i 本报告使用术语“虚拟发电厂”(VPP),因为这是业内使用的主要术语,尽管报告认识到其他组织使用不同的术语来描述类似的电网资产。美国国家监管公用事业委员会协会 (NARUC) 使用聚合分布式能源 (ADER) 来描述能够通过调度或控制向电网提供一项或多项服务的 DER 组。ii 电力研究机构 (EPRI) 使用术语分布式能源资源聚合 (DERA)。其他行业参与者使用术语分布式发电厂 (DPP)。本报告对虚拟发电厂的定义包括符合所有这些术语定义的电网资产,包括传统的需求响应 (DR)。
在2021年,拜登政府宣布了美国在2030年之前生产30亿加仑可持续航空燃料(SAF)的“大挑战”目标。发起了许多联邦行动,以支持实现这一目标,包括SAF项目和燃料生产商的新资金机会。有可能使用几种技术来以满足巨大挑战目标所需的工业规模生产SAF。但是,目前只有一条可行的途径可以快速提高SAF生产。这是通过现有或即将完成的可再生柴油工厂的零件或全部生产能力的转换。可再生柴油生产能力在近年来爆炸,估计在2025年达到52亿加仑(FarmDoc Daily,2024年11月6日)。这代表了大量安装的生产能力基础,但有关此能力的数量可以转换为SAF生产的有限信息。因此,本文的目的是估算美国可再生柴油生产能力的量这是可再生柴油繁荣的一系列FarmDoc每日文章中的第20位(请参阅此处的完整文章清单)。
关于稀有,地方性和药用植物的地理生物研究方法学指南:Ranunculaceae家族阿里贝克·伊迪里斯(Alibek Ydyrys)的案例研究,1,2 Nashtay Mukhitdinov,1 Anna Ivashchenko,3 Zhadyra Ashirova,1 Muratzhan Massimzhan,1 Merimimzhan,1 Merunova,4 Parmanbekova,4 Murat Toktar,5,6 Birlikbay Yeszhanov,1 Marzhanay Ilesbek,1,2 Gulnaz Askerbay 1,2*,*和Raushan Kaparbay 1,2,**对植物群落的抽象综合研究对于保留稀有和有价值的物种的杂物是必不可少的,这些物种是减小数量的稀有物种。 当前,对强劲方法的需求越来越多,以在地球植物,生态监测和林业中进行人口水平的研究。 本文重点介绍了罕见的植物hepatica falconeri,ranunculus polyanthemus L.,ranunculus oxyspermus和ranunculus dilatatus,这些植物属于ranunculaceae家族,并在基于Geobotanical研究发现的Kazakhstan的Tien Shan Mountains中发现了Ranunculaceae家族。 我们介绍了一本手册,该手册既整合了研究环境因素,生物植物,eTopes,phytocenoses,Floral组成以及自然植物和药用植物天然种群状况的传统和现代技术。 这包括评估稀有,地方性和药物的生物量储量的方法,以及评估幼体植物的状态,人口密度以及研究群的解剖学,形态学,植物化学和分子遗传特征。 这些参数受地理变化,微气候条件和土壤特性的影响。关于稀有,地方性和药用植物的地理生物研究方法学指南:Ranunculaceae家族阿里贝克·伊迪里斯(Alibek Ydyrys)的案例研究,1,2 Nashtay Mukhitdinov,1 Anna Ivashchenko,3 Zhadyra Ashirova,1 Muratzhan Massimzhan,1 Merimimzhan,1 Merunova,4 Parmanbekova,4 Murat Toktar,5,6 Birlikbay Yeszhanov,1 Marzhanay Ilesbek,1,2 Gulnaz Askerbay 1,2*,*和Raushan Kaparbay 1,2,**对植物群落的抽象综合研究对于保留稀有和有价值的物种的杂物是必不可少的,这些物种是减小数量的稀有物种。当前,对强劲方法的需求越来越多,以在地球植物,生态监测和林业中进行人口水平的研究。本文重点介绍了罕见的植物hepatica falconeri,ranunculus polyanthemus L.,ranunculus oxyspermus和ranunculus dilatatus,这些植物属于ranunculaceae家族,并在基于Geobotanical研究发现的Kazakhstan的Tien Shan Mountains中发现了Ranunculaceae家族。我们介绍了一本手册,该手册既整合了研究环境因素,生物植物,eTopes,phytocenoses,Floral组成以及自然植物和药用植物天然种群状况的传统和现代技术。这包括评估稀有,地方性和药物的生物量储量的方法,以及评估幼体植物的状态,人口密度以及研究群的解剖学,形态学,植物化学和分子遗传特征。这些参数受地理变化,微气候条件和土壤特性的影响。本文是对地球植物,生物多样性,植物学,生物学,农业和药用植物研究领域研究人员的综合指南。此外,它为制定有效的策略提供了可行的建议,以保护生物多样性的保护,保护和可持续利用。
在孟加拉国,番茄种植面临重大挑战,因为它易受各种微生物、寄生虫和细菌感染。通常,这些疾病的早期症状首先出现在根部和叶子中,使及时检测变得复杂。这项研究解决了及时准确检测番茄植株疾病的挑战,这对于有效的植物保护管理至关重要。传统的人工检查方法既耗时又主观,导致实施必要的保护措施的延误。因此,使用图像处理技术和机器学习算法快速可靠地检测番茄植株叶片中的疾病,旨在简化化学应用反应的检测过程。在不同光强度、视线角度和距离下捕获了一个包含 250 张番茄植株叶片图像的数据集。应用图像增强技术来增加数据集,共得到 529 张图像。这些图像被转换为 LAB 彩色图像,然后使用 OTSU 算法分割叶片图像并估计受影响患病区域的百分比。还从分割的叶片图像中提取了各种纹理特征以创建训练数据集。机器学习算法,包括支持向量机 (SVM)、K 近邻 (KNN) 和决策树,都使用该数据集进行训练和评估,以将图像分类为健康或患病。二次 SVM 算法为该数据集提供了 97.7% 的最高测试准确率。这种非破坏性处理对于提高疾病检测效率和减少番茄生产损失有着巨大的希望,无论是在孟加拉国当地还是全球。