高盐苯胺废水降解菌的筛选与特性分析

经富集、驯化分离筛选到的5株高盐苯胺降解菌对苯胺及实际废水均具有一定的降解能力。5株细菌的生长较为迅速,延迟期和平稳期均很短,生长最适温度为25℃,生长的最适pH接近中性。5株细菌对盐的耐受性可达18%,对实际废水的耐受性可达30%。其中3号菌株对苯胺的降解率最高,而22号菌株对实际废水的COD去除率最大。     

近50a来三亚鹿回头石珊瑚物种多样性的演变特征及其环境意义

2005～2006年三亚鹿回头珊瑚礁现状调查共记录石珊瑚13科24属69种,礁坪以滨珊瑚占绝对优势(重要值百分比>50%),礁坡以鹿角珊瑚最占优势(28.33%).Pielou、Simpson和Shannon-Wiener多样性指数值均高于礁坪.对比历史资料发现近50 a来该岸段珊瑚礁呈衰退趋势:七世纪五六十年代该岸段珊瑚种类繁多、群落垂直分带,生物多样性较高;20世纪七八十年代礁坪已不见成片的活珊瑚,礁坡繁茂程度降低;20世纪90年代珊瑚种类虽仍比较丰富,但总体多样性下降;本次研究显示澄黄滨珊瑚已成为礁坪优势种,鹿角珊瑚在礁坡的优势度降低,物种多样性继续缩减.过度捕捞、大规模挖礁、海上和沿岸养殖等人类活动是造成该岸段珊瑚礁现有衰退的主要原凶,三亚河和近海上程建设带来的泥沙和污染物以及正向鹿回头扩展的潜水旅游可能是影响其发展的潜在威胁.     

电子垃圾中铅污染及对策研究

伴随着电子信息等高科技产业的快速发展,电子垃圾已成为增长速度最快的固体废弃物。电子垃圾成分复杂且其污染物众多,尤其是其中的铅污染对环境与健康的影响越来越受到人们的关注,对电子垃圾的不恰当处理势必造成了严重的环境污染。本文调研分析了中国电子垃圾中铅元素污染的现状,探讨了铅污染的原因及其防治对策,并对各种对策的可操作性进行了评价。另一方面,借鉴国外先进经验,对中国电子垃圾中铅元素的污染防治提出了建议。     

铁路货车交通事故的应急救援及对策研究

随着我国经济的迅速发展,铁路交通的更加方便快捷,铁路系统满负荷甚至超负荷运行,给铁路运输安全造成巨大压力,铁路交通事故的数量也呈不断增加的趋势,因此研究铁路交通事故特点,采取有效措施,提高事故的快速救援能力是亟待解决的问题。本文分析了铁路交通事故的基本特点,从救援装备、救援方案、安全防护等几个方面提出了铁路交通事故应急处置的基本策略,为铁路交通事故处置提供参考。     

广西木薯淀粉产业环境保护现状及对策研究

广西是我国最大的木薯产地,同时也是我国最大的木薯淀粉生产基地。随着国家环境保护要求的日益提高,木薯淀粉行业环境保护与可持续发展的压力也进一步加大。本文基于淀粉企业生产现状调查的基础上,剖析了广西木薯淀粉企业污染治理及清洁生产现状,找出了原料缺口大、清洁生产水平较低、产品结构单一、废水污染严重等问题,并提出了相应的对策与建议:一是推广良种良法,建立高产优质木薯原料基地;二是以环境资源倒逼机制推动木薯淀粉产业调整升级;三是推行清洁生产,发展循环经济;四是加强淀粉废水处理技术研发和推广应用,以期从根本上解决广西木薯淀粉产业资源和环境的可持续发展问题。     

温度对细菌碳酸酐酶催化碳酸钙沉积的影响

碳酸钙(CaCO3)沉积不仅在许多地质过程中起重要作用,而且在石刻文物和石质建筑物的修复以及环境治理等方面也有应用。CaCO3沉积过程在自然条件下极为缓慢,在CaCO3-H2O-CO2反应体系中CO2+H2OHCO3-+H+为限速步骤,可以利用生物催化剂来加速这一反应的进行。碳酸酐酶(Carbonic anhydrase,CA)是一种以锌为活性中心的金属酶,可以高效催化上述反应的进行,并在CaCO3沉积中具有显著促进作用。本文采用气体扩散体系,研究温度对典型细菌CA催化CaCO3沉积的速率及晶型晶貌的影响。结果表明,在实验温度(5～55℃)条件下,30℃时细菌CA催化沉积CaCO3的速率最快,而5℃时的沉积速率最慢,而且,温度会影响细菌CA催化形成的CaCO3晶体的大小和形貌。     

光电测试系统及其在硐室排污通风研究中的应用

介绍了光电微机测试系统的构成、测试原理及其在扁平硐室排污通风实验研究中的应用,并根据模拟实验结果,提出了硐室排污通风风量的通用计算式:Q=β（V/t）In(Co/C)。     

地质灾害预警预报及信息管理系统应用研究

根据调查,江西省地质灾害的诱发因素主要是降雨,因此,通过总结前人关于地质灾害预报预警的研究,提出了一套应用降雨资料对地质灾害进行预报预警的预警流程,并建立预警及信息管理系统。该系统采用空间数据库引擎技术管理海量滑坡、地质、地貌、降雨等数据及地质灾害的文档等资料。系统基于WebGIS技术,实现了地质灾害预报预警图的发布、信息查询、空间定位、空间叠加和地质灾害预警预报信息反馈等功能。     

基于3种时间序列模型的九龙江河流库区藻华预测

湖库富营养化和有害藻华是全球性生态环境问题,藻华预测与早期预警是保障湖库水源地供水安全的关键技术.如何基于高频水生态在线监测数据进行藻华的实时动态预测成为水生态管理领域的重大需求.本研究以福建省九龙江江东库区（水源地）为例,利用3年连续观测的逐时平均总叶绿素a浓度数据,对比研究了SARIMA、Prophet和LSTM（长短期记忆神经网络）3种时间序列模型在藻华（日平均叶绿素a大于15 μg?L^-1）预测方面的效果.结果表明：①时间序列模型要求参数少,灵活性强,能清晰反映水质特征和未来变化趋势,可弥补传统藻类监测预警方法的局限性;②基于深度学习框架的LSTM模型,具有独特的迭代优化算法,对藻类非线性变化特征的识别和预测能力较强,其总叶绿素a逐日预测和7日预测效果均显著优于SARIMA模型和Prophet模型;③输入数据长度会在一定程度上影响模型预测效果,最优的输入数据时间长度为7 d;输入数据频率对预测效果也有影响,在预测非藻华日时,小时数据的预测效果优于日频率数据;在预测藻华日时,两种频率数据 无显著差异,但日频率数据能更准确识别藻华日特征.总结起来,基于LSTM模型实现总叶绿素a浓度的短期预测,可为九龙江河流库区藻华早期预警和供水安全保障提供技术支撑.