Sorption kinetic characteristics of polybrominated diphenyl ethers on natural soils

Sorption kinetic characteristics of BDE-28 and BDE-47 on five natural soils with different organic carbon fractions were investigated, and could be satisfactorily described by a two (fast and slow)-compartment first-order model with the ratio of rate constants ranged from 9 to 94 times. The fast compartment made a dominant contribution (71% ∼ 94%) to the total sorption amount in the whole process, and accounted for over 90% of the increase in the total sorption amount at initial 5 h. The influence of the slow compartment on the increase in the total sorption amount became principal (above 90%) in the subsequent stage approximately from 9 h or 25 h to the apparent equilibrium at 265 h. The results proposed the different sorption behaviors of the mathematically classified compartments for BDE-28 and BDE-47, which may correspond to the different soil components, such as soil organic fractions with amorphous and condensed structures, respectively.     

超声协同TiO_2光催化降解4,4′-二溴联苯

以纳米TiO2膜为光催化剂,对4,4′-二溴联苯水溶液进行了超声光催化(US+UV)、光催化(UV)和超声(US)降解,探讨了初始浓度、超声的声强和频率等对降解4,4′-二溴联苯的影响。结果表明,4,4′-二溴联苯的超声光催化降解存在协同效应,降解率随4,4′-二溴联苯初始浓度的增大而下降,随声强和频率的增大而增大。超声光催化过程符合一级动力学方程,反应数率常数为0.011 min-1。超声光催化与光催化的降解产物不同。     

微生物燃料电池法测BOD影响因素研究

以双室无介体微生物燃料电池构建了BOD检测系统,研究了阴极流量、有机物浓度(BOD)及阳极流量的变化对系统响应信号(电池电压)的影响,并考察了系统响应信号与BOD浓度的对应关系。结果表明:阴极流量在1.5～5mL/min时,阴极流量变化对响应信号具有显著的影响,且响应信号随阴极流量增大而增大;当阴极流量由5 mL/min增加到10 mL/min时,阴极流量变化对响应信号影响不显著。BOD浓度在10～150 mg/L时,响应信号随底物浓度增加而升高,而BOD浓度大于150 mg/L时,BOD浓度变化对响应信号没有显著影响。当BOD浓度较高时,阳极流量变化对响应信号影响不大,但当BOD浓度较低时,阳极流量变化对响应信号有显著影响,且响应信号随阳极流量增大而增加。电池稳态电压与BOD浓度在10～150 mg/L范围内成指数衰减关系,而电池电压的初始变化速率与BOD浓度在50～200 mg/L范围有线性响应。     

响应面法和神经网络优化Acinetobactersp．DNS32发酵基质

为了提高阿特拉津降解菌Acinetobactersp．DNS32的产量,分别采用响应曲面法和基于人工神经网络的遗传算法对阿特拉津降解菌DNS32发酵培养基中3个重要基质成分（玉米粉、豆饼粉、K：HPO。）进行优化研究。响应曲面法确定3种成分的含量为玉米粉39．494g／L,豆饼粉25．638g／L和K。HPO。3．265g／L时,预测发酵活菌最大生物量为7．079×10^8CFU／mL,实测量为7．194×10^8CFU／mL;人工神经网络结合遗传算法优化确定3种主要成分含量为玉米粉为39．650g／L,豆饼粉为25．500g／L,K2HPO4为2．624g／L时,预测最大值为7．199×10^8CFU／mL,实测量为7．244×10。CFU／mL;最终确定培养基配方：玉米粉为39．650g／L,豆饼粉为25．500g／L,K2HPO4为2．624g／L,CaCO3为3．000g／L,MgSO4·7H2O和NaCl均为0．200g／L;优化后阿特拉津降解菌DNS32发酵生物量比优化前提高了36．6％。结果表明,在阿特拉津降解菌DNS32发酵培养基组分优化方面,响应面法和基于人工神经网络的遗传算法都是可行的,基于人工神经网络的遗传算法具有更好的拟合度和预测准确度。     

深型地下土壤渗滤系统中氮的去除途径

为了系统研究氮在深型地下土壤渗滤系统中的去除途径,本次实验采用直径30cm,高200cm的有机玻璃柱模拟地下土壤渗滤系统;柱内分层装填取自北京顺义的土壤。在水力负荷为8cm／d的条件下,取得了较好的脱氮效果;氨氮去除率为99．80％;TN去除率为83．68％。通过观察氮沿土柱深度的变化规律发现,在1．30m以上的区域随着氨氮浓度的降低硝氮浓度逐渐增大,同时总氮浓度也在不断降低,约有30．55％在此区域被去除;通过氮元素质量平衡证明这部分氮是通过厌氧氨氧化反应去除的。在1．30m以下反硝化反应是脱氮的主要途径,在此过程中难降解有机物被利用。     

响应面法和神经网络优化Acinetobacter sp. DNS32发酵基质

为了提高阿特拉津降解菌Acinetobacter sp.DNS32的产量,分别采用响应曲面法和基于人工神经网络的遗传算法对阿特拉津降解菌DNS32发酵培养基中3个重要基质成分(玉米粉、豆饼粉、K2HPO4)进行优化研究。响应曲面法确定3种成分的含量为玉米粉39.494 g/L,豆饼粉25.638 g/L和K2HPO43.265 g/L时,预测发酵活菌最大生物量为7.079×108CFU/mL,实测量为7.194×108CFU/mL;人工神经网络结合遗传算法优化确定3种主要成分含量为玉米粉为39.650 g/L,豆饼粉为25.500 g/L,K2HPO4为2.624 g/L时,预测最大值为7.199×108CFU/mL,实测量为7.244×108CFU/mL;最终确定培养基配方:玉米粉为39.650 g/L,豆饼粉为25.500 g/L,K2HPO4为2.624 g/L,CaCO3为3.000 g/L,MgSO4.7H2O和NaCl均为0.200 g/L;优化后阿特拉津降解菌DNS32发酵生物量比优化前提高了36.6%。结果表明,在阿特拉津降解菌DNS32发酵培养基组分优化方面,响应面法和基于人工神经网络的遗传算法都是可行的,基于人工神经网络的遗传算法具有更好的拟合度和预测准确度。     

改进的TLI指数法及其在巢湖营养状态评价中的应用

对巢湖2000—2008年的监测数据运用SPSS做统计分析,得出叶绿素a与总氮、总磷和透明度的相关系数。通过得出的权重结果,分析出与26个湖泊的差异性,构建了改进的综合营养状态指数(TLI)评价方法,并提出评价的4个步骤。以巢湖为例,运用该方法对湖泊的营养状态进行评价,且对巢湖的富营养化程度做了年际和年内变化的综合评价,评价结果显示各营养物指标的相关关系在近30年有了较大变化,巢湖的富营养化现象已日益严重,已从轻度富营养化状态转变为中度富营养化状态。