基于TLSER和QSPR关系预测PAHs和PCBs的LDPE膜-空气分配系数

有机污染物在被动采样材料与环境介质之间的平衡分配系数(K_P),是测定环境中有机污染物浓度的重要参数,但K_P值大部分都需要经过繁琐的实验测定获取,无法逐个测定数量繁多的污染物,因此需开发一种预测K_P值的方法。为此,搜集整理了一些多环芳香烃(PAHs)和多氯联苯(PCBs)的低密度聚乙烯(LDPE)-空气分配系数(K_PA)的实测值,基于理论线性溶解能(TLSER)和定量结构性质关系(QSPR),利用逐步多元线性回归(MLR)分别构建了预测K_PA值的模型。模型的决定系数R2adj分别为0.927和0.956,交叉验证系数Q2LOO分别为0.915和0.946,外部系数Q2ext分别为0.913和0.960。结果表明,2种模型具有良好的拟合优度、稳健性和预测能力,并解释了模型的机理。所构建的2种模型均可用来预测应用域内有机污染物的LDPE膜-空气分配系数。     

不同量子化学算法在多环芳烃光解行为定量结构-性质关系(QSPR)中的应用

以采用MINDO/3、MNDO和AMI算法计算的17种多环芳烃（PAHs）的前线分子轨道能为分子结构参数,进行了这些PAHs光解速率常数的定量结构－性质相关（QSPR）的研究,并与基于PM3算法得到的QSPR模型进行了比较,研究结果表明,应用PM3算法得到的前线分子轨道能进行这些PAHs光解速率常数QSPR拟合的结果最好,其次是AMI算法,而MINDO/3和MNDO算法得到的结果较差。     

白洋淀北岸农田土壤特性的表征

本文采用标准方法，测定了白洋淀北岸部分农田土壤的粒度组成、ｐＨ和有机碳含量等指标，对该地区土壤的特性进行了表征分析。结果表明，土壤的平均粒度分布大于２０μｍ的占５２．７３％，主要属于砂壤土。与１０年前相比，ｐＨ值变化不大；而有机碳含量是１０年前的１．２６倍。ｐＨ随土壤的垂直深度而略有增加，而有机碳含量则随土壤的垂直深度而减少。     

麦秸腐解产生的化感物质对小麦生长及产量影响的小试结果

麦秸腐解产生的化感物质对小麦生长及产量影响的小试结果马瑞霞,刘秀芬,袁克林,孙思恩（中科院生态环境研究中心,北京１０００８５）在农业实践中,当人们分析农作物减产原因时,传统的从水、肥、种及病虫害几方面进行分析,而农田中的化学作用长期被忽视．自７０年代...     

甲壳素的性质,制备及其应用

本文介绍了从水产加工废物中提取甲壳素的方法、甲壳的性质及其应用状况。     

基于遗传-支持向量机和遗传-径向基神经网络的有机物正辛醇-水分配系数QSPR研究

基于遗传算法(GA)的因子筛选和支持向量机(SVM)的非线性回归,提出了1种改进的有机物定量结构-性质相关(QSPR)建模方法--遗传-支持向量机(GA-SVM),并将其用于38种食品工业常用有机物正辛醇-水分配系数(Kow)的QSPR建模.结果显示,QSPR模型选取了分子量、Hansen极性、沸点、含氧率和含氢率5种参数;模型的预测值与实测值间的误差平方和(SSE)、均方差(RMSE)和决定系数(R2)分别为0.048、0,036和0.999,表明模型具有较强的预测能力;同时,交叉验证的结果(SSE=0.295,RMSE=0.089,R2=0.995)也表明,模型具有良好的稳健性,因此,GA-SVM算法适用于对有机物正辛醇-水分配系数的QSPR建模.此外,将基于GA-SVM的QSPR模型分别与基于遗传-径向基神经网络(GA-RBFNN)和基于线性算法的模型进行了比较,结果表明,应用GA-SVM建立的QSPR模型无论从稳健性还是预测能力上都优于应用其它2种算法建立的模型,因此,GA-SVM算法比GA-RBFNN和线性算法更适合于对有机物正辛醇-水分配系数进行QSPR建模.     

利用QSAR模型探讨分类条件下金属离子性质与酵母吸附容量之间的关系

在金属离子分类基础上(按金属离子的软硬性质),以啤酒工业废酵母对10种金属离子(Pb2 ,Ag ,Cr3 ,Cu2 ,Zn2 ,Cd2 ,Co2 ,Sr2 ,Ni2 、or Cs )的Langmuir理论饱和吸附容量qmax为QSAR(Quantitative Structure Activity Relationships)模型的活性参数,以金属离子的22种物理化学性质作为QSAR模型的结构参数,利用QSAR方法建立了分类条件下离子性质与酵母生物吸附容量之间的定量关系.金属的离子性质与吸附容量之间的线性回归分析结果表明,对金属离子进行适当分类可以改善拟合效果对于含有软离子的金属离子,共价指数X2mr是22种变量中预测效果最好的离子性质.离子的X2mr数值越大,离子与细胞的共价结合程度越高,吸附量越大.对于不含软离子的金属离子,极化力Z2/r、第一水解常数|log KOH|和电离势IP是qmax预测中最有价值的3个离子结构参数.(似)极化力的多种表征形式Z/r,Z/r2,Z/AR2,Z/AR也可以用于预测qmax.但考虑了金属离子的价层电子数、离子有效电荷和离子半径的极化力参数Z*2/r,却难以解释酵母吸附金属离子的亲和力顺序.该研究为预测金属离子的生物吸附容量、研究重金属离子-微生物的相互作用提供了新的思路和方法     

亚热带土壤氮素反硝化过程中N2O的排放和还原

将采集于江西鹰潭的45个发育于不同成土母质和不同利用方式的土壤样本,在密闭、淹水、充N2的严格厌氧条件下进行了28d的培养试验(30℃),在培育过程中,定期测定NO3--N(加入量为200mg·kg-1)含量和培养瓶上部空间N2O的含量变化.实验结果表明,N2O含量(N)随培养时间t的变化可用方程N=A×(1-exp(-k1 t))-B×exp(k2 t)拟合(A表示培养过程中N2O总排放量;B为常数;k1和k2分别为N2O排放速率常数和还原速率常数,拟合值和实测值之间回归方程的决定系数R2=0.84±0.11).不同土壤之间培养期间N2O总排放量(A)的变异可以用培养7d内被反硝化的NO3--N量和N2O排放率(A值与28d内被反硝化的NO3--N总量的百分比)进行解释(R2=0.829,p＜0.01).被反硝化的NO3--N量则主要受土壤有机碳含量或有机氮矿化量控制,N2O排放率则随k2的增大而呈指数下降(p＜0.01).由此可见,在该实验条件下,还原N2O能力强的土壤,在相同量的NO3--N被反硝化的情形下,排放的N2O可能较少.但影响k2值的主要因素还有待进一步研究.