负载型TiO2薄膜光催化剂降解亚甲基蓝

采用溶胶-凝胶法制备了玻璃负载的TiO2薄膜光催化剂,研究了该催化剂对亚甲基蓝溶液的光催化降解,考察了反应时间、水样的初始浓度、溶液的pH等对光催化降解效果的影响。     

固定化真菌漆酶对分散兰-2BLN的脱色和降解

采用改良壳聚糖固定化的真菌漆酶对染料分散兰-2BLN进行脱色和降解条件的研究,探索了固定化漆酶活力、处理时间、染料浓度、温度和pH对其降解效果的影响。结果表明,固定化漆酶脱色降解分散兰-2BLN的适宜条件为：固定化漆酶活力18.2U／mL,染料浓度100mg／L,温度40℃,pH4.6,在上述条件下降解1.5h,分散兰-2BLN脱色率能达到87.68％。重复分批使用固定化漆酶处理2BLN兰,在使用6批次后,脱色率仍能保持在55％以上,其催化效率得到了较大提高。     

HPA／ZnFe2O4-TiO2光催化剂的制备及对马拉硫磷的可见光降解

以纳米TiO2载体,利用浸渍法制备了HPA／ZnFe2O4-TiO2光催化剂。对制备的催化剂进行了XRD、BET、TEM和UV-vis DRS表征。结果表明,催化剂样品均为锐钛矿相且ZnFe2O4很好地分散在载体表面,HPA／ZnFe2O4-TiO2光催化荆的平均粒径为10nm且在380-670nm均有强的光响应;反应最佳的HPA浓度为O.08molfL,最佳的ZnFe2O4负载量为1％。考察了HPA溶液初始浓度、ZnFe2O4负载量、溶液初始pH值、H2O2用量、催化剂用量对催化剂活性的影响。在溶液初始pH=13,H2O2=6mmol／L,催化剂用量为2g/L的最优条件下,光照反应进行100min后,马拉硫磷的降解率可达87％;重复4次后马拉硫磷的降解率仍可以达到67％。     

环境小知识广播站

1.什么是绿色包装? 绿色包装是指符合环保要求的包装.绿色包装首先要求用料要节约资源,力求减少废弃物量,用后易于回收、重复使用或再生为其他有用之材.     

TiO2催化高压脉冲放电等离子体降解2，4-二硝基苯酚

采用TiO2催化高压脉冲放电等离子体降解废水中的2,4-二硝基苯酚,对反应进行了动力学研究.研究结果表明,在高压脉冲放电等离子体及TiO2催化高压脉冲放电等离子体反应中,2,4-二硝基苯酚的降解过程均符合表观一级反应动力学方程.加入TiO2催化剂、提高放电电压均可提高2,4-二硝基苯酚的降解反应速率常数.在TiO2加入量为0.15%、放电电压为16 kV时,2,4-二硝基苯酚的降解率为87.4%,TiO2的催化效应增强因子为1.55.     

活性艳蓝X-BR降解菌的筛选

从某印染厂废水排放出口的污泥中分离到一株活性艳蓝X-BR染料高效降解菌LPY68-14,经生理生化鉴定,该菌为埃希氏菌(Escherichia sp.).研究了影响菌株LPY68-14降解效果的因素,实验结果表明:在缺氧、质量分数为0.2%葡萄糖为外加碳源、温度37℃、接种量4 mL、pH 7的最佳条件下,质量浓度为30 mg/L的活性艳蓝X-BR经菌株LPY68-14处理24 h后的降解率可达80%;当活性艳蓝X-BR质量浓度为100～400 mg/L时,该菌处理48 h后的降解率可稳定在70%左右.     

Fe-厌氧微生物体系降解2,4,6-三氯酚

采用Fe-厌氧微生物体系降解2,4,6-三氯酚(2,4,6-TCP).在初始pH 7.0、Fe加入量10.0 g/L、以甲酸钠为碳源的条件下,2,4,6-TCP降解效果最好.采用Fe-厌氧微生物体系降解2,4,6-TCP,比单独采用Fe或厌氧微生物体系具有明显的效果,运行60h后2,4,6-TCP开始降解,108h后2,4,6-TCP降解完全.添加2-溴乙烷磺酸盐可抑制产甲烷菌的活性,能有效促进2,4,6-TCP的降解.     

可从焦油中加速回收沥青的微生物制剂

在美国SavannahRiver国家实验室（SRNL）的小试实验中,一种最初设计用于处理含碳氢化合物土壤的微生物工艺可使从油沙中回收沥青的速率加快5倍。该技术的核心是一种称为“生物虎（BioTiger）”的微生物制剂,是从一个老炼油厂的废水氧化塘中分离培养得到的十多种微生物组成的菌群。在生物修复过程中,一些微生物可产生表面活性剂,使碳氢化合物易于被其他微生物降解。     

镰刀菌HJ01对对氯苯酚的降解特性

采用实验室分离的一株镰刀菌HJ01,以对氯苯酚(4-CP)为降解底物,以蔗糖为外加碳源,考察了蔗糖质量浓度、降解温度、初始pH对4-CP降解效果的影响,初步探讨了镰刀菌HJ01对4-CP的降解动力学和降解机理.实验结果表明:该菌株能以4-CP为惟一碳源和能源生长;在外加蔗糖为碳源,蔗糖质量浓度为3 g/L、降解温度为30℃、初始pH为8的条件下,50 mg/L4-CP能在6 d内被完全降解.以4-CP为惟一碳源和外加蔗糖下的降解动力学分别符合Haldane模型和一级动力学方程.     

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。