扑草净降解菌的分离、筛选与鉴定及降解特性初步研究

从安徽农药厂废水处理系统的活性污泥中筛选扑草净(prometryne)降解菌.通过富集驯化和选择性培养筛选纯化细菌,分离到2株细菌,分别命名为P-1、P-2.根据表型特征、生理生化特性和16S rDNA序列同源性分析:P-1为G-,鉴定为苍白杆菌属(Ochrobactrum);P-2为G+,鉴定为芽胞杆菌属(Bacillus).GenBank登录号分别为HM004554和HM004555.通过12 d液体降解实验,菌株P-1、P-2对40 mg.L-1扑草净降解率分别达到46.5%和65.4%.该研究为扑草净的生物降解与污染土壤的生物修复提供了依据.     

Identification of Forest Vegetation Using Vegetation Indices

Abstract

Spectral feature of forest vegetation with remote sensing techniques is the research topic all over the world, because forest plays an important role in human beings' living environment. Research on vegetation classification with vegetation index is still very little recently. This paper proposes a method of identifying forest types based on vegetation indices, because the contrast of absorbing red waveband with reflecting near-infrared waveband strongly for different vegetation types is recognized as the theoretic basis of vegetation analysis with remote sensing. Vegetation index is highly related to leaf area index, absorbed photosynthetically active radiation and vegetation cover. Vegetation index reflects photosynthesis intensity of plants and manifests different forest types. According to reflectance data of forest canopy and soil line equation NIR=1.506R+0.0076 in Jingyuetan, Changchun of China, many vegetation indices are calculated and analyzed. The result shows that the relationships between vegetation indices and forest types are that perpendicular vegetation index (PVI) identifies broadleaf forest and coniferous forest the most easily; the next is transformed soil-adjusted vegetation index (TSVI) and modified soil-adjusted vegetation index (MSVI), but their calculation is complex. Ratio vegetation index (RVI) values of different coniferous forest vary obviously, so RVI can classify conifers. Therefore, the combination of PVI and RVI is evaluated to classify different vegetation types.     

毒性鉴别评价方法对城镇污水处理厂去除水中有毒物质的分析实例

以江苏省常州市城北污水算处理厂的进水、活性污泥处理系统的出水以及A^2O处理工艺的出水为研究对象，对进出水进行Daphnia magna急性毒性试验。结果表明，进水对Daphnia magna具有24h急性毒性，经过活性污泥处理工艺处理及A^2O处理工艺处理，两股出水均不显示24h急性毒性，采用毒性鉴别评价（Toxicity Identification Evaluation,TE）方法对进水进行监测和评价，发现曝气可去除进水的毒性，C18固相提取亦可去除进水毒性，进水中存在的主要毒物为易挥发的非极性有机化合物，进一步检测可知，进水中的关键毒物主要为邻丙基甲醛肟、1，1－甲基乙基－2－甲氧基苯酚、2－氮，氮二甲基苯甲醇等，此外，对2个处理系统出水进行GC／MS分析，可知出水中关键毒物基本被去除。     

基于监督局部映射的煤矿井下人员身份鉴别方法

为提高煤矿井下人员身份识别率,在局部保持投影(LPP)算法的基础上,提出监督局部映射(SLP)算法。该方法充分利用数据的局部和非局部信息及类别信息,对数据进行维数约简,使特征空间同类数据间的距离更小,不同类数据间的距离更大。该方法能够克服煤矿井下艰苦、空间受限环境中人脸、虹膜和指纹识别率不高的问题。在真实步态数据库上的实验结果表明,基于步态的煤矿井下人员身份鉴别是可行的。     

电子封装行业职业有害因素的辨识与分析

从电子封装行业工艺入手,依据国家颁布的职业有害因素分类目录及职业有害因素致病模型,针对电子封装行业插入式(DIP)及表面贴装(QFP/SOIC)制造工艺使用的材料、设备、条件、人员作业特点,对行业内具有共性的职业有害因素进行分析,对工艺过程中存在的职业有害因素作出辨识,并提出把硅粉尘、铅、氩气、高温、环氧树脂、氢氧化钾、噪声、酸雾、重复性静态作业、重复性动态作业等有害因素作为防控重点,为电子封装行业职业有害因素的危害量化评价及其防控措施制定提供了科学依据。     

论重大危险源理论与实践之结合

重大危险源及其监管越来越受到关注,历经十多年,重大危险源的表述及其基本定义并没有取得共识而完全统一,现在开始实施重大危险源申报登记制度,涉及重大危险源的辨识、评价、分级等大量的具体工作,相关的理论和方法应用比较复杂。笔者就有关问题提出了自己的看法,认为重大危险源分级不仅是一项技术方法,而且是一项政策性行为,标准的制定一定要紧密联系实际,有利推动安全生产工作。     

侵彻引信用磁电传感器的输出特性仿真分析

目的 解决侵彻引信用磁电传感器在不同侵彻环境下输出特性难以预知的问题,掌握不同结构参数对传感器输出的影响。方法 基于一种新型磁电传感器的结构原理,提出一种联合仿真研究方法,研究过程分为2部分,一部分是利用ADAMS软件进行磁电传感器惯性系统的力学特性仿真,另一部分是利用COMSOL软件进行传感器机电转换元件的磁电特性仿真,仿真模型的输入是战斗部在穿靶过程中的过载信息。通过磁电传感器在多次冲击加载试验中获取的实测数据,对仿真模型的仿真结果进行验证。改变仿真模型的相关参数,模拟并分析传感器结构对仿真输出特性的影响。结果 仿真穿靶时间的平均绝对误差约为138 μs,穿靶时刻仿真电压值的平均相对误差约为5.9%。在给定力学环境的前提下,侵彻引信用磁电传感器中的线圈与磁铁的相对高度会影响输出信号的正负、幅值以及波峰出现的时间,线圈匝数、线圈与磁铁之间的间隔仅对信号的幅值产生影响。结论 仿真误差在可控范围内,验证了联合仿真模型的正确性与该研究方法的可行性。该仿真模型可以为侵彻引信用磁电传感器的设计提供指导,并为后续进一步验证侵彻引信起爆控制系统的性能工作提供了新的思路。     

高压衰减器的时域校准方法

本文介绍了一种基于系统辨识的高压衰减器的时域校准方法。依据系统辨识的基本原理,对高压衰减器建立输入、输出误差模型,通过测量衰减前后的时域波形,计算获得衰减器的传递函数,进而获得其修正系数。该方法可同时得到高压衰减器的幅频及相频特性,并可在高压校准条件下,准确反映衰减器的高压特性,为高压衰减器的时域校准提供了技术依据。     

结合在线监测和自动识别系统分析东海沿岸船舶排放特征

海运排放大气污染物对空气质量和气候具有重要影响,但是由于船舶类型及其运行工况的复杂性,人们对船舶排放特征的认识仍然不足.东海沿岸是全球航运活动最为密集的地区之一,汇集了各种国内国际运输船只.选取宁波舟山港作为研究地点,使用在线仪器长时间测量主要的环境大气气体和颗粒污染物,并利用自动识别系统（AIS）,获得每种船舶的速度.根据后向轨迹区分出：1受船舶排放影响主导的时期（夏季风,由处于完全运行或停泊的船舶占主导地位）;2受内陆气流影响主导的时期（冬季风）.结果表明二氧化硫（SO₂）、氮氧化物（NO_x）和黑碳气溶胶（BC）的排放与高速运行的船舶相关,而一氧化碳（CO）可能与较低的运行速度的船舶有关,总颗粒物（PM）与船舶速度没有显著相关关系.主要污染物在巡航工况下的排放增强因子约为怠速工况1~4倍.研究通过对直接环境背景下船舶排放进行原位观测,为评估船舶排放清单提供重要参考.     

基于深度学习的工程结构损伤识别研究进展

为避免或减轻工程结构在建造和运营期间因结构振动产生不同程度损伤,造成安全隐患危及人们生命财产安全,针对结构振动损伤识别技术展开研究,探讨不同深度学习方法发展情况及其利弊,寻找更具可行性的损伤识别方法,并对其最新研究及应用现状进行全面综述。研究结果表明:应用深度学习开发新的结构损伤识别技术,无需冗余的数据预处理以及手工提取损伤特征,实现以较高精度实现损伤识别任务;一维卷积神经网络（1D-CNN）以其独特的应用优势,在数据样本有限条件下较二维卷积神经网络（2D-CNN）表现更为出色。研究结果可为数据驱动的结构损伤识别问题提供新思路,进一步完善土木结构健康监测研究体系。