除草剂2，4—D在土壤中吸附常数的测定^1）

介绍除草剂2,4－D在4种不同有机碳含量,不同pH值的土壤中吸附数的测定,结果表明,4种土壤对2,4－D原吸附等温线均符合非线形的Freundlich吸附等温式,其有机碳吸附常数的平均值为239.6,2,4-D的吸附常数与土壤有机碳含量呈正相关,土壤的pH值对2,4－D原吸附也有一定的影响。     

除草剂2，4-D在土壤中吸附常数的测定

介绍除草剂２,４－Ｄ在４种不同有机碳含量、不同ｐＨ值的土壤中吸附常数的测定．结果表明,４种土壤对２,４－Ｄ的吸附等温线均符合非线形的Ｆｒｅｕｎｄｌｉｃｈ吸附等温式,其有机碳吸附常数的平均值为２３９．６．２,４－Ｄ的吸附常数与土壤有机碳含量呈正相关,土壤的ｐＨ值对２,４－Ｄ的吸附也有一定的影响．     

单甲脒在土壤中的吸附

用批量平衡法研究了单四脒酸盐的活性部分－单甲脒在不同类型土壤中的吸附行为，获得了单甲脒的单位土壤有机质吸附常数（Ｋｏｍ）为２８４和吸附自由能变化量为１３．９９ｋＪ．ｍｏｌ＾－１的实验数值，研究表明，单甲脒在土壤中吸附符合Ｆｒｅｕｎｄｌｉｃｈ经验公式，其在土壤中的吸附系数Ｋｄ与土壤中有机质含量和阳离了交换容量均显著正相关。     

贵州西部4种林型土壤有机碳及其剖面分布特征

在气候变化背景下,森林土壤碳库已成为全球碳循环研究重点之一。以贵州西部桦木（Betula luminifera H.Wilk.）、柳杉（Cryptomeria fortunei Hooibrenk ex Otto et Dietr.）、华山松（Pinus armandii Franch.）和杉木（Cunninghamia lanceilata（Lamb.）Hook.）4种主要森林类型为对象,对其土壤有机碳、碳密度及其垂直分配特征等进行了研究。结果表明：4种林型土壤有机碳含量和碳密度均表现为华山松林（51.09 g.kg-1,30.56 kg.m-2）〉杉木林（39.47 g.kg-1,22.97 kg.m-2）〉柳杉林（37.49g.kg-1,21.00 kg.m-2）〉桦木林（36.31 g.kg-1,20.13 kg.m-2）,华山松林土壤有机碳含量和碳密度显著大于其它三种林型,而另外三种林型间差异不明显;4种林型土壤有机碳含量和碳密度均随土层深度增加而逐渐降低,土壤有机碳含量均为0-10 cm最大,分别是剖面均值的1.45-1.61倍,而0-20 cm层土壤碳密度占整个土壤剖面的32.69%-38.08%,显著高于其他各层,大于20 cm的土层中,各层间的变化较小,土壤碳密度具有一定程度的表聚性;4种林型土壤有机碳含量与土壤pH均表现极强的负相关,与土壤全N和碱解N均表现极强的正相关,与全P、速效P、全K、速效K和阳离子交换量的相关性不尽一致,建立的方程具有较高的回归精度,土壤N和P状况对4种林型土壤有机碳含量有重要影响。     

有机磷类杀螺增效剂在土壤中的吸附行为

通过测定16个有机磷类杀螺增效剂在安徽省宿县土壤中的有机硕吸附系数（Koc),研究了该类化合物的环境行为;并用碎片分子连接性指数（FMCIs)和线性溶剂化能参数（LSERs)结构描述符,与土壤有机碳吸附系数之间进行了定量结构-性质相关（QSPR）分析,所得到的两组预测方程,可用于该类化合物的生态风险评价。     

黄土高原丘陵沟壑区农业生态系统碳循环模拟研究

利用甘肃农业大学定西旱农综合试验站的2001—2008年长期定位试验数据对DNDC模型进行了验证,结果表明：模型可以用于安定区县域尺度农田土壤有机碳储量及其变化的模拟。模拟不同处理间碳的循环结果显示,秸秆还田或覆盖可提高作物秸秆与根系残留的外源碳携入量,也能提高土壤异氧呼吸对内源碳的消耗。利用DNDC模型以及区域气象、土壤和作物资料,对该区域表层（0～20 cm）农田土壤碳循环进行模拟研究的结果表明,2008年农田土壤（面积为1.2×109 m2）表层（0～20 cm）有机碳总储量为2.8×109 kg,平均土壤有机碳密度为2.33 kg.m-2。通过对该区域农田土壤模拟不同碳投入的情景,分析预测2008年至2037年土壤有机碳储量,得出增加有机肥能够显著增加土壤有机碳的积累,其次为免耕同时增加秸秆还田率50%,而单独实施这两种措施,土壤有机碳的积累速度较慢。     

围湖造田不同土地利用方式土壤有机碳和易氧化碳

围湖造田是我国20世纪50年代后期开始大量出现的与水争地的人类干扰活动。以太湖流域肖甸湖区为试验地,测定分析了该围湖造田区香樟（Cinnamomum camphora）林、水杉（Metasequoia glyptostroboides）林、毛竹（Phyllostachys heterocycla）林和农田4种不同典型土地利用方式35年后0～10 cm、10～20 cm、20～40 cm土壤有机碳和易氧化碳含量的差异,以及土壤易氧化碳的季节动态。结果表明：表层（0～10 cm）土壤有机碳含量林地显著高于农田,阔叶林高于针叶林。土壤易氧化碳含量随季节与土层深度的变化而变化,香樟林与毛竹林春夏季节大于冬季,水杉林与农田季节波动较平缓。4种土地利用方式下土壤有机碳和易氧化碳均随土层增加含量递减。与围湖地区内的溪流底泥相比,林地与农田表层土壤有机碳含量均有明显增加;与旱地发育的植被土壤相比,围湖后的土壤有机碳含量较低,易氧化碳含量较高,土壤有机碳稳定性较差。围湖造田作为人类对自然生态系统的一种干扰方式,显著改变了原有生态系统的碳循环特征,因此在研究全球碳循环中,围湖造田对生态系统碳循环的影响应该给予充分考虑。     

土壤和沉积物的有机质组分对水中非离子有机物吸着的影响

在２５℃下，分别测定来自水各地的四种土壤和八种沉积物吸着水溶液中的１，２－二氯苯和四氯化碳的吸附等温线，所有的等温线呈线性，表明土壤和沉积物吸着水溶液中的非离子有机物的过程是分配机理，土壤或沉物的本身用有机碳标化的吸附系数（Ｋｏｃ）之间差异不大，而土壤的和沉积物之间的Ｋｏｃ则存在显著性差异，这是由于沉积物有机质成分的极性小于土壤有机质成分的极性造成的，沉积物质吸着上述两种有机物的Ｋｏｃ约是土壤的Ｋ     

贺兰山东坡典型植物群落土壤微生物量碳、氮沿海拔梯度的变化特征

土壤微生物量是陆地生态系统碳循环的重要组成部分,在生态系统物质循环和能量转化中占有特别重要的地位。开展土壤微生物量与海拔高度的关系的研究,能促使人们对土壤微生物空间分布格局及其形成机制的认识,预测全球变化对生态系统功能的影响。本文对贺兰山不同海拔梯度具有代表性的荒漠化草原（HM）、蒙古扁桃灌丛（BT）、油松林（YS）、青海云杉林（QH）和高山草甸（CD）等5种植物群落土壤微生物生物量及其微生物商进行了研究。结果表明：表层土壤（0～20 cm）微生物生物量碳（MBC）、氮（MBN）大小次序为：CD〉QH〉YS〉BT〉HM,MBC、MBN随海拔梯度的升高显著增加,与土壤有机碳、氮含量有着一致的变化规律,但是微生物商（qMB）表现出沿海拔梯度先增加后减小的变化趋势,最大值出现在蒙古扁桃灌丛土壤,MBC/MBN则没有明显的变化规律。相关分析表明,不同海拔高度的土壤微生物量碳氮不仅与年均降水量、土壤含水量,而且与土壤有机碳、全氮呈显著线性正相关关系（P〈0.01）,但是与年均气温、土壤容重呈显著线性负相关关系（P〈0.01）。贺兰山土壤微生物量碳、氮随海拔高度升高而增加,降水量、气温、土壤湿度、土壤有机碳和全氮可能是影响土壤微生物量沿海拔梯度变化的关键因子。     

丙硫克百威在几种土壤中的吸附

用批量平衡法研究了丙硫克百威在几种土壤中的吸附行为,测定其有机碳吸附常数KOC,给出吸附等温线.研究结果表明,丙硫克百威在几种土壤中的吸附可用Freundlich经验方程较好地描述,丙硫克百威在土壤中的迁移能力为中等.     

Na~+-K~+-ATP酶活力与取代芳烃分子结构的相关性

本文应用环境毒理学和生物化学原理,检测了38种取代芳烃类化合物对水生生物金鱼(Carassias auratus)肝细胞内Na~+-K~+-ATP三磷酸腺苷酶(ATPase)活力的影响,给出了Na~+-K~+-ATP酶活力(A)值与取代芳烃分子结构的相关性方程.     

芳香族醛酮化合物溶解度和分配系数的测定与估算

本文测定了１５种芳香族醛酮化合物的溶解度和正辛醇－水分配系数,研究了水溶解度及分配系数与分子连接性能指数的相关性。结果表明,溶解度和分配系数之间以及与分子连接性指数呈较好的线性关系。     

神经网络法预测分子总表面积的研究

本文用误差反向传播人工神经网络（ＡＮＮ）预测有机分子的总表面积，提出一组分子描述码（描述分子的分支性、不饱和性和成环性）作为输入的特征参数，预测结果：对于烷烃、烯烃、炔烃、脂环烃、芳烃、卤代烃、醇、醛、酮、酸、酯、胺、硫醇、杂环等１４类有机物平均误差为２．５８％，对于多环芬烃平均误差为２．８８％。根据ＡＮＮ法提供的信息，用统计分析的方法，得到分子总表面积与分子描述码之间的关联式，用它估算分子总表面     

白腐菌对芳香化合物的降解

本文研究了纯培养条件下白腐菌对一些芳香化合物的降解规律,并探讨了影响白腐菌降解芳香化合物的因素如取代基位置、数量以及对难降解芳香化合物的共代谢解过程。     

有机化合物动态定量结构—生物降解关系（QSBR）模型研究

本文通过分析影响有机物生物降解的基本因素，指出ＱＳＢＲ模型应综合反映影响有机物生物降解的四个方面：取代化合物的摄入、取代化合物的诱导作用，毒性物质的形成和基础酶的缺乏，在此基础之上给出了动态ＱＳＢＲ的概念模型及方法学基础，并利用其研究了氯代芳香化合物的生物降解性。     

QSAR法研究芳烃类化合物的生物毒性

基于表征生物活性的原子点价Bi并构建芳烃类化合物的拓扑指数Ln,并用L0,L1及指示参数N与芳烃类化合物对发光菌、大型蚤、呆鲦鱼的急性毒性关联,得到了良好的相关性,相关系数依次为0.9489、0.9787、0.9648,所建QSAR模型具有良好的稳定性和预测能力,估算结果均明显优于文献方法。     

改性土壤对模拟含硝基苯废水的吸附

研究了季铵盐阳离子表面活性剂四甲基铵离子（TMA）和十六烷基三甲基铵离子（HDTMA）改性的土壤（黑土、黄棕壤、红壤）对水中硝基苯的吸附作用。结果表明：改性土壤和改性土壤均能吸附水中的硝基苯。但改性土壤对水中硝基苯的吸附能力明显高于未改性土壤。改必土壤吸附硝基苯能力的顺序为1CEC－HDTMA黑土＞1CEC－HDTMA黄棕壤＞0．7 CEC－HDTMA黄棕壤＞1 CEC－HDTMA红壤＞0．7 CEC－HDTMA红壤＞1 CEC－TMA黄棕壤＞1 CEC－TMA红壤。未改性土壤和HDTMA改性土壤对硝基苯的吸附通过分配来进行，吸附等温线可用Henry方程表示，其lgKSOM为2．27，lgKHDTMA为2．87。     

Sorption of aromatic organophosphate flame retardants on thermally and hydrothermally produced biochars

• TPhP showed faster and higher sorption on biochars than TPPO. • Pyrochars had higher sorption capacity for TPPO than hydrochar. • Hydrophobic interactions dominated TPhP sorption by biochars. • The π-π EDA and electrostatic interactions are involved in sorption. Aromatic organophosphate flame retardant (OPFR) pollutants and biochars are commonly present and continually released into soils due to their increasingly wide applications. In this study, for the first time, the sorption of OPFRs on biochars was investigated. Although triphenyl phosphate (TPhP) and triphenylphosphine oxide (TPPO) have similar molecular structures and sizes, TPhP exhibited much faster and higher sorption than TPPO due to its stronger hydrophobicity, suggesting the dominant role of hydrophobic interactions in TPhP sorption. The π-π electron donor–acceptor (EDA) interactions also contributed to the sorption process, as suggested by the negative correlation between the sorption capacity of the aromatic OPFRs and the aromatic index (H/C atomic ratios) of biochar. Density functional theory calculations further showed that one benzene ring of aromatic OPFRs has no electrons, which may interact with biochar via π-π EDA interactions. The electrostatic attraction between the protonated P = O in OPFRs and the negatively charged biochar was found to occur at pH below 7. This work provides insights into the sorption behaviors and mechanisms of aromatic OPFRs by biochars.