接种降解菌对土壤中邻苯二甲酸二异辛酯降解的影响

邻苯二甲酸二异辛酯〔Di-(2-Ethylhexyl)phthalate,DEHP〕是农田土壤中常被检出的有毒有机污染物,在土壤中有较长的持留性,微生物降解是其从土壤中消失的主要途径.本文采用温室盆栽试验研究了接种两株从污水处理厂活性污泥中分离得到的高效DEHP降解菌及其混合菌悬液降解土壤中DEHP污染的效果,以及土壤中添加葡萄糖和种植作物对其降解效率的影响.结果表明,在土壤初始DEHP浓度为100mg kg-1的条件下,接种两种降解菌及其混合菌悬液都可显著提高土壤中DEHP消失的速率,其残留半衰期比不接种对照缩短了32~48d,但在相同条件下接种不同降解菌的处理之间没有显著差异.土壤中添加0.6%的葡萄糖虽然可以强烈地促进土壤微生物的整体活性,但并没有提高修复效率,反而在短期内延缓了降解菌对DEHP的降解,延长了DEHP在土壤中持留的半衰期;植物生长可显著提高降解菌的降解效率,降低土壤中DEHP的残留浓度.研究结果同时也表明,只添加葡萄糖或只种植植物对土壤中DEHP的降解并没有显著的影响.图3表4参14     

微生物絮凝剂的研究与应用进展

微生物絮凝剂是具有广阔应用前景的一种天然高分子絮凝剂，因而引起科学界的高度重视．自７０年代以来，美国和日本等十多个国家已对其进行了详细的研究．本文综述了微生物絮凝剂的研究与应用进展，包括合成絮凝剂的微生物种类、微生物絮凝剂的化学本质、遗传基础和微观结构、微生物絮凝剂的絮凝机理和絮凝能力及其影响因素，微生物絮凝剂的合成条件和提取方法等方面．文中还给出了微生物絮凝剂在污染治理等领域实际应用的若干事例．     

青藏高原冰川雪冰微生物研究进展

微生物作为青藏高原冰川研究的一个参数,不仅能提供丰富的物种和嗜冷基因资源作用于冰川的能量和化学物质平衡,而且还与气候和环境相关联.近年来,青藏高原冰川雪藻的研究主要在南部的Yala冰川开展,细菌的研究集中在北部冰川.这些研究主要针对冰川雪冰微生物与环境的关系.未来除在研究方法上加以改进外,还应该在微生物多样性、生态意义、嗜冷机制及其与气候和环境的关系等方面进一步深入研究.参36     

生物有机无机复合肥对土壤微生物活性的影响

进行了化肥、有机肥、生物堆肥、有机无机复合肥和生物有机无机复合肥的田间比较试验。结果表明 :生物有机无机复合肥显著提高土壤微生物活性。与不施肥处理比较 ,土壤细菌增加了 1 6 5 .3 8% ,真菌增加了1 89.4 7% ,放线菌增加了 4 8.72 % ,总量增加了 1 0 4 .0 7% ,其增加量高于其他处理。土壤蔗糖酶、脲酶、磷酸酶活性也都有明显提高 ,促进了土壤有机质的分解转化和速效养分的释放。     

东北过伐林灌木层物种多样性与林分因子的典型相关分析

研究林分特征尤其是经营上可以控制的因子对生物多样性的影响，将有助于制定合理的经营措施来维持和保护生物多样性，本文作者以我国东北过伐林区3种典型天然林类型为对象，采用典型相关分析方法，研究影响灌木层物种多样性的主要因子。结果表明：影响灌木层物种多样性的主要因子包括土壤含水率，树种多样性和林分密度；灌木层多样性组的变异被林分组第一典型变量解释的比例为68.32%,仍有31.68%的变异不能得到解释。     

蛭石和沸石对番茄青枯病及土壤微生物的影响

施用沸石于番茄连作地，使番茄青枯病显著减少，但施用蛭石使番茄青枯病加重。施用沸石后土壤微生物生物量显著提高，而蛭石处理对土壤微生物生物量的影响不明显。沸石和蛭石都能提高土壤中真菌、细菌和放线菌的数量和土壤微生物活性，其中沸石处理的土壤高于蛭石处理的土壤。     

环戊酮和环己酮的微生物降解途径、相关酶和基因研究进展

简略介绍了环戊酮和环己酮的应用及危害,综述了目前国内外在环戊酮和环己酮微生物降解方面的研究进展.具体介绍了环戊酮和环己酮降解代谢的过程及其相关的酶类和编码这些酶的基因,重点阐述了环戊酮1,2-单加氧酶和环己酮1,2-单加氧酶及其编码基因.图4参19     

固定化微生物技术在废水脱氮中的应用

综述了固定化微生物技术在废水脱氮处理中的应用。固定化微生物脱氮技术与其它生物脱氮技术相比，除无污泥膨胀、污泥量少、操作管理简单等优点外，还可以提高硝化反硝化速度、增强硝化反硝化菌的抗毒性及节省碳源消耗等。     

以关键酶为基础共代谢模型的建立——以甲烷细菌共代谢三氯乙烯为例

根据共代谢过程扣特点，详细推导建立了一个以关键酶为中心的综合性数学模型，模型不仅包括传统的基质降解迷率和微生物生长，而且包括关键产诱导，毒性抑制和自我恢复，以及能量的调节等重要因素，模型能够在理解释文献报道的各种实验现象。     

Progress in developing an ANN model for air pollution index forecast

An air pollution index (API) reporting system is introduced to selected cities of China for public communication on air quality data. Shanghai is the first city in China providing daily average API reports and forecasts. This paper describes the development of an artificial neural network (ANN) model for the API forecasting in Shanghai. It is a multiple layer perceptron (MLP) network, with meteorological forecasting data as the main input, to output the next day average API values. However, the initial version of the MLP model did not work well. To improve the model, a series of tests were conducted with respect to the training method and structure optimization. Based on the test results, the training algorithm was modified and a new model was built. The new model is now being used in Shanghai for API forecasting. Its performance is shown reasonably well in comparison with observation. The application of the old model was only weakly correlated with observation. In 1-year application, the correlation coefficients were 0.2314, 0.1022 and 0.1710 for TSP, SO₂ and NO_x, respectively. But for the new model, for over 8 months application, the correlation coefficients are raised to 0.6056, 0.6993 and 0.6300 for PM₁₀, SO₂, and NO₂. Further, the new algorithm does not rely on manpower intervention so that it is now being applied in several other Chinese cities with quite different meteorological conditions. The structure of the model and the application results are presented in this paper and also the problems to be further studied.