Using culturomics and social media data to characterize wildlife consumption

Wildlife provides food, medicine, clothing, and other necessities for humans, but overexploitation can disrupt the sustainability of wildlife resources and severely threaten global biodiversity. Understanding the characteristics of consumer behavior is helpful for wildlife managers and policy makers, but the traditional survey methods are laborious and time-consuming. In contrast, culturomics may more efficiently identify the features of wildlife consumption. As a case study of the culturomics approach, we examined tiger bone wine consumption in China based on social media and Baidu search engine data. Tiger bone wine is one of the most purchased tiger products; its consumption is closely related to tiger poaching, which greatly threatens wild tiger survival. We searched a popular social media website for the term “tiger bone wine” and focused on posts that were originally created from 1 January 2012 to 31 December 2018. We filtered and classified posts related to the purchase, sale, or consumption of tiger bone wine and extracted information on providers, consumption motivations, year of production, and place of origin of the tiger bone wines based on the texts and photos of these posts. We found 756 posts related to tiger bone wine consumption, 113 of which mentioned providers of tiger bone wine, including friends (53%), elder relatives (37%), peer relatives (7%), and others (3%). Out of the 756 posts, 266 indicated the motivations of tiger bone wine consumption. Tiger bone wines were consumed as a tonic (34%), medicine (23%), game product (30%), and a symbol of wealth (28%). Some posts indicated ≥2 consumption motivations. These findings were consistent with the search queries from Baidu index. Such information could help develop targeted strategies for tiger conservation. The culturomics approach illustrated by our study is a rapid and cost-efficient way to characterize wildlife consumption.     

HNO_3─KI─MIBK萃取／原子吸收光谱法测定固体废物浸提液中的微量银

采用选择性较好的ＨＮＯ３—ＫＩ—ＭＩＢＫ萃取体系对铋渣和尾矿渣浸出液中的痕量银进行预分离富集后，用火焰原子吸收法（ＡＡＳ）进行测定。此法不仅变异系数小（约为３．１％），而且检出限比直接火焰ＡＡＳ法降低两个数量级，达０．５ｎｇ／ｍｌ．另外，还就作品细度对银测定结果的影响原因做了初步探讨。     

离子色谱法测定饮用水和面包中的溴酸根

选用ＡＳ９－ＨＣ高容量阴离子交换色谱柱,不需处理除去干扰离子,可直接进样。测定了两种水样,其中一种检出溴酸根,方法检出根０．００５ｍｇ．１＾－１水样加标回收率９１．３－９３．４％。采用全新的自动化样品处理技术－加速溶剂萃取萃取面包中的溴酸根。经ＡＳ９－ＳＣ阴离子交换色谱柱分离,选择最佳淋洗条件。电导检测,方法检 ０．０７ｍｇ．１＾－１,对十二种市售包进行测定,均未检出溴酸根,样品加标回收率７９．９     

菌株NKS-3对溴氨酸脱色特性探讨

从受溴氨酸污染地筛选出菌株ＮＫＳ－ ３ ,它对溴氨酸有脱色作用。菌株生长随碳源浓度增加而旺盛,溴氨酸能刺激菌株生长。溴氨酸浓度即使达到１０００ ｍｇ／Ｌ 也能被菌株基本脱色。研究发现,盐度抑制菌生长,在含盐培养液中溴氨酸的脱色过程被抑制     

论水稻土肥力进化与土壤质量——以太湖地区为例

太湖地区是我国古老农业区之一。在六七千年之前先民已开始种植水稻 ,随着耕作培肥措施不断加强 ,与土壤肥力进化同步伴随着耕作轮作制的不断演进 ,由轮荒———沤田———水旱轮作———三熟制的变化 ,土壤基础肥力稳步提高 ,稻麦单位面积产量逐年上升。该区水稻土历经数千年的耕肥与平田整地等人为活动 ,在起源土壤背景上发育成五类水稻土 ,这五类水稻土经过培肥改良均达到水旱轮作高产稳产阶段 ,尽管地力上还存在不同程度的差异 ,这不能不说是人为定向培育的成果。在一般情况下 ,土壤质量是由土壤肥力决定的 ,基础肥力高低是农业生产优质高产低耗的关键 ,在评价土壤质量时必需首先予以关注。当然 ,随着工业的发展 ,土壤污染所波及的农产品超标问题 ,也应在评价土壤质量时予以关注 ,并作为评价因素在综合评价体系中占有应有的份量     

长江三角洲地表水环境污染规律及调控对策

根据野外实地考察和定点观测数据 ,结合历年环境监测资料 ,初步揭示了长江三角洲地表水环境污染的现状与近十年来的时空演变规律 :河网干流水质基本良好 ,中小河流污染突出 ;城市河流有机污染严重 ,普遍出现水体黑臭现象 ;湖泊氮磷含量逐年增高 ,水体富营养化加剧 ;市郊小城镇河网水质急剧恶化 ,已成为新的水环境污染中心。造成长江三角洲地表水环境污染的主要物源包括工业废水和生活污水、畜禽粪便、农田化肥、底泥等。针对上述污染规律和成因机制 ,提出了相应的调控对策。     

24个CMIP5模式对长江流域模拟能力评估

根据1961~2005年长江流域气象站点的实测月降水量和气温数据,采用第5期全球耦合模式比较计划CMIP5(the Fifth Phase of Coupled Model Intercomparison Project)中24个全球气候模式(GCM)的模拟结果,通过计算模拟变量和观测变量平均值的相对误差、归一化的均方根误差、时间和空间相关系数,采用M-K趋势分析方法,分别选用在长江流域模拟气温和降水较好的5个模式进行集合平均,从时间的演变规律和空间的分布特征两方面,检验该模式集合对长江流域模拟气温和降水的能力。研究结果表明:各个模式模拟气温的能力要明显好于模拟降水的能力,但模拟气温较好的模式模拟降水的能力并不一定突出;模式集合的结果表明:在时间尺度上,模式集合平均结果与观测值拟合程度较好,且模式集合的结果振荡幅度较观测值小;在空间尺度上,模式集合的空间分布趋势与观测值大致相同,说明采用的模式集合结果用于预估未来长江流域降水的时空分布特征和演变规律是可行的。     

基于BP神经网络的鄱阳湖水位模拟

考虑到鄱阳湖水位受流域五河与长江来水等多因素的共同作用而表现出高度非线性响应,采用典型的三层BPNN神经网络模型来模拟鄱阳湖水位与其主控因子之间的响应关系。分别将湖口、星子、都昌、棠荫和康山水位作为目标变量进行BPNN模型构建和适用性评估。结果显示：综合考虑流域五河及长江来水（汉口或九江）的BPNN水位模型,空间站点水位模拟精度（R2和Ens）可达090以上,各站点的均方根误差（RMSE）变化范围约050～10 m,若忽略长江来水的影响作用,仅将流域五河来水作为湖泊水位的主控影响因子,模型训练期与测试期的纳希效率系数（Ens）和确定性系数（R2）显著降低,且低于050,均方根误差（RMSE）也明显增大（124～288 m）,意味着综合考虑流域五河与长江来水是获取结构合理、精度保证的鄱阳湖水位模型的重要前提。同时建议针对鄱阳湖湖盆变化对水位的影响,尽可能选择一致性较好的长序列数据集来训练和测试BPNN模型。所构建的BPNN神经网络模型可进一步结合流域水文模型,用来预测气候变化与人类活动下流域径流变化对湖泊水位的潜在影响,也可作为一种有效的模型工具来回答当前鄱阳湖一些备受关注的热点问题,如定量区分流域五河与长江来水对湖泊洪枯水位的贡献分量,为湖泊洪涝灾害的防治和对策制定提供科学依据