火焰原子吸收光谱法测定工作场所空气中锰含量的不确定度评定

目的建立并运用火焰原子吸收光谱法测定工作场所空气中锰的不确定度评定方法。方法应用测量不确定度评定方法分析测定过程中不确定度的来源,识别出其中的主要来源。结果不确定度的主要来源：①标准溶液配制引入的不确定度;②样品消解定客引入的不确定度：③采样引入的不确定度;④仪器量化引入的不确定度。结论运用该不确定度评定方法对测定过程中关键环节的识别,将有助于检测人员重点关注关键环节的质量控制,以更为有效地提高检测工作的质量。     

磷酸铁膜对黄铁矿氧化动力学行为的影响

用动态法研究了不同温度ＰＨ值和Ｈ２Ｏ２浓度下,对照和经ＫＨ２ＰＯ４处理的黄铁矿氧化反应的动力学。结果表明,用０．１ｍｏｌ．ｌ＾－１Ｈ２Ｏ２＋０．０１ｍｏｌ．ｌ＾－１ＫＨ２ＰＯ４混合液淋洗黄铁矿后,黄铁矿表面可形成磷酸铁膜。     

不同逆境条件下辣子草抗氧化酶系统的变化

辣子草(Galinsoga parviflora Cav.)原产南美洲,1915年在我国云南和四川等地被发现,是一种危害较严重的外来入侵种,研究其在逆境条件下的生理适应机制对于有效预警和治理该入侵种具有十分重要的意义.采用人工设置温度梯度和自然干旱方法,研究了在不同环境胁迫条件(温度和干旱)下辣了草抗氧化酶系统和丙二醛(MDA)的变化.结果表明:在10～30 ℃范围内,辣子草抗氧化酶系统变化趋势不一致,MDA含量未出现显著性变化;在5℃、35℃和45℃胁迫下,抗氧化酶系统受到损伤,MDA含量显著上升;在干旱胁迫条件下,抗氧化酶系统先上升,后下降,MDA含量在干旱胁迫后期含量显著上升.应用Fuzzy方法,对辣了草抗氧化酶在2种逆境不同水平胁迫下的动态进行综合评价,认为其对低温环境具有较强的耐受能力,对干旱环境的耐受性较差.     

混合菌群产氢特性研究

对产氢菌株进行筛选,得到一组可以在微氧条件下高效产氢的微生物菌群.此菌群在0～15%O2浓度下都可以产氢,具有较高的耐氧产氢特性.该混合菌群可利用甘露醇、葡萄糖、蔗糖、乳糖、淀粉为底物产氢,其中甘露醇为最适底物.最适产氢温度、pH值、仞始氧气浓度分别为33℃、7.0、2.72%.在此条件下,以片露醇为碳源(5.0 g/L),产氢效率可达到324.18 mL(H2)/g(甘露醇).对该产氢体系发酵末端产物的液相分析显示乙醇占76%～93%,表明该产氢体系为乙醇型发酵.通过PCR-DGGE方法进行菌群分析,发现不同初始氧浓度下菌群分布有一定差异,但克氏杆菌在各种氧浓度下的混合菌群中都占明显优势,是主要的产氢菌.图8表1参25     

珠江口广州海域COD与DO的分布特征及影响因素

于2003-2007年2月(冬季)、5月(春季)、8月(夏季)、10月(秋季)调查了广州海域16个站位的COD、DO以及其它理化因子的时空分布特征.调查期间,COD质量浓度范围为0.76～9.12 mg·L~(-1),平均值为2.83 mg·L~(-1);溶解氧质量浓度范围为1.98～9.79 mg·L~(-1),平均值为5.27 mg·L~(-1).结果表明,COD与DO的时空分布特征主要受生活污水排放,陆源排污,降雨量以及水动力状况等因素的影响.COD质量浓度在冬季和秋季较高,春季和夏季较低,而DO质量浓度则是冬季和春季高于秋季和夏季.空间分布上,COD质量浓度从湾内向湾外逐步递减,而DO变化趋势则相反,湾内站位在夏季出现缺氧区.相关性分析中,COD质最浓度与氮营养盐及Chl-a显著正相关,而DO则与COD、Chl-a、Ph以及石油烃显著负相关.COD与DO分布特征对于河口地区的赤潮及碳循环研究有一定研究价值.     

纳米铜颗粒的种间毒性关系

纳米颗粒的种间毒性关系尚无明确结论,因此很难判断纳米颗粒对未进行毒性测试的物种的风险如何。本文作者将5种水蚤(Daphnia magna, Daphnia pulex, Daphnia galeata, Ceriodaphnia dubia, Chydorus sphaericus)暴露于4种不同粒径的纳米铜颗粒(CuNPs)和1种亚微米铜颗粒的悬浊液中,考察物种的形态特征与CuNPs急性毒性的关系。结果显示,杆状的CuNPs比球状的CuNPs毒性更低。纳米铜颗粒与溶出铜离子均对CuNPs的毒性有贡献,其中,当新生蚤的体长、体表面积和身体体积更小时,5种悬浊液中颗粒的毒性更大。5种蚤的身体体积与5种CuNPs的毒性显著相关(r_adj²>0.51, p < 0.001),78-nm CuNPs与蚤身体体积的相关性最好 (r_adj²?=?0.95, p < 0.001)。这个研究可以为纳米颗粒对有相似外形特征的物种进行毒性种间外推提供线索。
精选自Lan Song, Martina G. Vijver, Geert R. de Snoo and Willie J.G.M. Peijnenburg. Assessing toxicity of copper nanoparticles across five cladoceran species. Environmental Toxicology and Chemistry: Volume 34, Issue 8, pages 1744–1750, August 2015. DOI: 10.1002/etc.3000
详情请见http://onlinelibrary.wiley.com/doi/10.1002/etc.3000/full     

江西稻田红壤中丙溴磷的移动特性及其主要影响因素

用土壤薄层色谱法研究农药丙溴磷在不同层江西省稻田红壤中的移动特性及其在表层土壤中移动的主要影响因素.以稻田灌溉水为展开剂,测得丙溴磷在表、中和下层土壤薄层板上的比移值Rf分别为0.375、0.301和0.092,这表明丙溴磷在表层土壤中中等移动、中层土壤中不易移动和下层土壤中不移动,对地下水污染可能性较小,但可能对地表水会产生一定程度的污染.改变土壤有机质和黏土量,调节稻田灌溉水pH和CEC(阳离子交换量),考察这4种因素对丙溴磷在表层稻田红壤中移动的影响.结果表明,土壤有机质可抑制表层土壤中丙溴磷的移动,但起主要抑制作用的是难氧化土壤有机质;土壤黏土量与丙溴磷在土壤中的移动性呈明显的负相关,其相关系数为-0.976(n=5,P<0.05);稻田灌溉水pH>5时,表层红壤中丙溴磷的迁移随pH增大而增大;增大稻田灌溉水的CEC可促进丙溴磷在表层土壤中的移动.从同一土壤剖面来看,稻田红壤CEC和黏土量是丙溴磷在不同层土壤中移动性差异的主要影响因素.     

草甘膦对GC-1小鼠精原细胞的毒性作用及NAC的干预效应

为探讨41%草甘膦水溶液(农达)对雄性生殖细胞的毒性及其作用机制以及N-乙酰半胱氨酸(N-acetylcysteine, NAC)的干预效应。以GC-1小鼠精原细胞为受试细胞,设正常对照组、草甘膦染毒组(60、90、120、150、180 mg·L^-1)、NAC干预组(10 mmol·L^-1 NAC＋90 mg·L^-1农达)。MTT法检测细胞存活率,Giemsa染色法观察细胞的形态学改变,彗星试验检测细胞DNA损伤,比色法检测细胞培养液乳酸脱氢酶(LDH)以及细胞内超氧化物歧化酶(SOD)、谷胱甘肽(GSH)及丙二醛(MDA)水平的变化。结果显示,随着草甘膦染毒浓度增加,细胞存活率逐渐下降(p<0.01),彗星阳性率逐渐升高(p<0.01);与对照组相比,草甘膦染毒组LDH活性增加(p<0.05,60 mg·L^-1组除外),MDA生成量增多(p<0.05),GSH含量降低(p<0.05)和SOD活性降低(p<0.05)。抗氧化剂NAC预处理具有相应的拮抗作用。研究表明,60～180 mg·L^-1浓度草甘膦对GC-1细胞有明显的损伤作用,其机制可能是草甘膦诱导氧化应激,导致细胞通透性增加和DNA损伤。抗氧化剂NAC对草甘膦的细胞毒性具有一定保护作用。     

等离子体热解处理废轮胎实验研究

以废轮胎为实验物料 ,在N2 热等离子体反应器内进行了一系列热解试验。气体产物产率达 40 % ,固体产物产率为 60 % ,气体产物主要成分为CO、H2 、CH4 等可燃气体 ,固体产物分析结果显示该产物特性与轮胎制造中加入的配料碳黑相近     

Predicting the elemental compositions of solid waste using ATR-FTIR and machine learning

● A method based on ATR-FTIR and ML was developed to predict CHNS contents in waste. ● Feature selection methods were used to improve models’ prediction accuracy. ● The best model predicted C, H, and N contents with accuracy R ² ≥ 0.93, 0.87, 0.97. ● Some suitable models showed insensitivity to spectral noise. ● Under moisture interference, the models still had good prediction performance. Elemental composition is a key parameter in solid waste treatment and disposal. This study has proposed a method based on infrared spectroscopy and machine learning algorithms that can rapidly predict the elemental composition (C, H, N, S) of solid waste. Both noise and moisture spectral interference that may occur in practical application are investigated. By comparing two feature selection methods and five machine learning algorithms, the most suitable models are selected. Moreover, the impacts of noise and moisture on the models are discussed, with paper, plastic, textiles, wood, and leather as examples of recyclable waste components. The results show that the combination of the feature selection and K-nearest neighbor (KNN) approaches exhibits the best prediction performance and generalization ability. Particularly, the coefficient of determination (R²) of the validation set, cross validation and test set are higher than 0.93, 0.89, and 0.97 for predicting the C, H, and N contents, respectively. Further, KNN is less sensitive to noise. Under moisture interference, the combination of feature selection and support vector regression or partial least-squares regression shows satisfactory results. Therefore, the elemental compositions of solid waste are quickly and accurately predicted under noise and moisture disturbances using infrared spectroscopy and machine learning algorithms.