PCR-DGGE技术对城市餐厨垃圾堆肥中细菌种群结构分析

使用基于16S rDNA的PCR-DGGE(变性梯度凝胶电泳)技术对城市餐厨垃圾堆肥过程中细菌种群结构随时间的变化进行了研究.在堆肥不同时间取样,进行了堆肥温度、pH、含水率、有机质、C/N的变化分析和DGGE分析.结果显示,堆肥温度高于50℃的天数为7d,最高达65℃,可有效杀灭致病菌;最终pH值接近7.5;C/N为20.04.PCR-DGGE图谱显示,不同时间堆肥样中细菌DGGE图谱有着明显的差异性;堆肥升温期细菌种群丰富,优势种群不明显;高温期细菌种群减少,优势种群明显;降温期细菌种群结构基本保持稳定.温度对堆肥过程中细菌种群具有明显的筛选作用.堆肥各阶段DGGE图谱相似性Cs值比较低,堆肥处理后细菌种群结构与堆肥原料之间存在明显差异.     

水环境中生物膜的研究进展

生物膜是近年来研究的一个热点领域,在水体自净和工业应用方面表现出非常重要的作用。文章介绍了国内外有关生物膜的组成、结构、形成及微生物种群分布特征等研究成果,重点探讨了水环境中生物膜对污染物的吸附和降解作用。     

产乙酸耦合系统产酸及其微生物种群动态分析

 研究了产氢产酸/同型产乙酸耦合系统在不同底物负荷条件下运行的产酸效率及其不同运行阶段的微生物种群变化.结果表明,系统在底物负荷为4~6g/(L·d)、水力停留时间(HRT)为20d 的状态下稳定运行时,乙酸在产氢产酸相达到25~32g/L;在同型产乙酸相达到14g/L左右;系统乙酸产率为0.40~0.48g/g.底物负荷不同时,微生物多样性发生相应变化.同型产乙酸相的Shannon 指数远低于产氢产酸相.耦合系统两相中始终有Clostridium 和Fusobacterium 的存在,而且为优势种群.     

基于地理探测器的城市要素对街尘累积和磷污染空间分异影响特征分析

量化分析城市要素对街尘及其负载磷素空间分异的影响特征可帮助指导大尺度空间城市非点源磷污染管控.本研究结合地理大数据（兴趣点等）与实地采样数据,利用地理探测器定量探究武汉市汉阳区城市要素对街尘累积量及街尘负载多形态磷素含量空间分异的解释能力.结果表明：① 街尘累积量及街尘中磷素含量的空间分异程度随街尘粒径和磷形态变化.粒径<150 μm街尘累积量的空间分异程度相对较高;铝结合态磷（Al-P）、闭蓄态磷（Oc-P）和有机态磷（Or-P）的空间分异程度整体较高,而碎屑态磷（De-P）和总磷（TP）的空间分异程度则相对 较低;Oc-P和Or-P的空间分异程度随街尘粒径变化不大.② 单因子条件下,车站类（POI I）、住宅学校类（POI II）和工厂汽修类（POI III）要素对街尘累积量和多种形态磷含量空间分异的解释力较强;路网（ROAD）主要对粒径<150 μm街尘中部分磷素含量的空间分异有较强的解释力;餐饮商场类（POI IV）、娱乐休闲类（POI V）和医院类（POI VI）要素主要对>150 μm街尘中磷素含量的空间分异有明显的解释力;景点类（POI VII）要素则对街尘累积量和磷素含量空间分异的解释力较弱.③ 城市要素交互往往增强其对街尘累积量和街尘磷素含量空间分异的解释力,但路网（ROAD）、车站类（POI I）和景点类（POI VII）要素与部分城市要素交互容易对其解释力产生非线性减弱或单因子非线性减弱作用. ④ 基于城市要素布局对不同形态磷设置差异化的控制策略有利于街尘磷污染控制.     

长江经济带PM2.5分布格局演变及其影响因素

2000年以来,长江经济带高强度的人类社会经济活动引发了严峻的环境污染问题,灰霾污染尤为严重.研究该区域PM_(2.5)浓度的时空格局与影响因素是落实新发展理念、推进区域大气污染综合防治的迫切需要.本文基于遥感反演数据,研究了2000～2016年长江经济带PM_(2.5)浓度分布格局的演变过程,利用地理加权回归模型揭示了自然和社会经济因素对其影响的时空非平稳性.结果表明:①PM_(2.5)浓度分布总体表现为东高西低,且城市群污染特征明显.②以2007年为界, 2000～2016年PM_(2.5)年均浓度经历了逐年上升和波动下降的过程,年均浓度由27.2μg·m~(-3)上升至44.1μg·m~(-3)后, 2016年降至33.6μg·m~(-3).污染范围则先由长三角城市群、长江中游城市群和成渝城市群核心区域向四周快速扩展, 2007年后开始往回收缩.③空间自相关分析表明,PM_(2.5)浓度分布有显著的正空间自相关性,热点持续稳定地分布在上海、江苏、安徽中北部、浙江北部和湖北中部,冷点分布在云南、四川西部和南部及贵州西部.④自然因素与社会经济因素对PM_(2.5)浓度分布的影响具有时空差异性.其中社会经济因素主要呈正向影响;自然因素中,降水量主要呈负向影响,其余因子的影响大小和作用方向均随着时间和空间的变化而变化.     

长株潭城市群PM2.5和O3浓度时空分布特征及影响因素分析

基于2015~2019年长株潭城市群PM_2.5和O₃遥感浓度数据,利用空间自相关指数和地理加权回归（GWR）等方法探究PM_2.5和O₃浓度的时空分布特征及相关因素对其影响强度.结果表明：① PM_2.5浓度整体呈现出冬季和春季高,夏季和秋季低的"U"型特征,而O₃浓度则表现为夏季和秋季高,冬季和春季低的"M"型特征,PM_2.5与O₃年均浓度高低排序为：长沙市>湘潭市>株洲市.② PM_2.5与O₃浓度在夏季呈现正相关,秋冬季为负相关,且具有显著的空间集聚特征,O₃浓度高-高集聚区的面积呈现逐年增加的趋势.③GWR结果显示：夜间灯光强度和人口密度都对PM_2.5与O₃具有正相关效应,其中,植被指数（NDVI）、风速和温度对PM_2.5浓度的影响最为显著,而风速和温度对O₃影响强度更为突出,不同因素对PM_2.5和O₃浓度影响具有显著的空间异质性.     

不同溶解氧浓度下硝化工艺中微生物种群结构对比

运用高通量测序技术分析了不同溶解氧(DO)浓度下硝化工艺微生物种群结构.结果表明,低氧硝化反应器(R_L,DO浓度为0. 2～0. 3 mg·L~(-1))比高氧硝化反应器[R_H,DO=(2. 0±0. 1) mg·L~(-1)]具有更高的种群多样性,而R_H中微生物种群功能组织性更高.尽管R_H和R_L共有物种信息达85%以上,但DO浓度的不同造成了单个物种在相对丰度上的显著差异.Proteobacteria门(80. 7%)在R_H中被高度富集,其中Nitrosomonas菌属相对丰度达到65. 1%;而在R_L中则以Proteobacteria(43. 8%)、Firmicutes (20. 0%)以及Bacteroidetes (15. 1%)为共同主导者,同时R_L中含有大量Lactococcus、Anaerolineaceae以及Rhodocyclaceae等可在厌氧或缺氧条件下进行水解发酵作用的菌属. Nitrosomonas oligotropha和Nitrosomonas europaea分别为RH和RL中优势氨氧化细菌,而亚硝酸盐氧化细菌均以Nitrospira defluvii为主导.反应器中NH_4~+-N和NO_2~--N浓度(而非DO浓度)是上述硝化菌群被选择性富集的关键因素.     

老爷岭次生林主要树种分布格局及动态的研究

在帽儿山林场老爷岭生态站内设置次生林的典型样地,并对样地内的几种天然次生林的数据进行调查.研究用方差均值比率法研究老爷岭次生林群落主要树种的分布格局及其动态,并且做出相关的数据分析.主要选择当地典型的次生林类型进行调查,类型包括白桦林、蒙古栎林、硬阔叶林等.分析表明影响种群分布格局的因子大致归纳分为两类:第一:物种本身的生物学特性,第二:由于环境条件引起的生物学特征.并且对各林分主要树种分布格局及其动态的分析,揭示林分的未来发展趋势.     

都柳江上游沿岸喀斯特地区土壤重金属污染及健康风险分析

以贵州省都柳江上游沿岸喀斯特地区为研究对象,根据空间系统法布设样点,共采集62个表层土壤样品.运用单因子污染指数法、内梅罗综合污染指数法、人体健康风险评价模型、克里金插值方法和地理探测器模型,研究土壤重金属Sb、As、Cd、Pb和Cu的污染及人体健康风险空间分布特征.结果表明,研究区土壤Sb和Cd含量分别是贵州省土壤重金属背景值的6.58和1.95倍.土壤重金属总体属于轻度污染,土壤Sb和As的轻度及以上污染面积分别占总面积的24.62%和20.97%,Cd轻度污染面积分布最广,占总面积的44.55%.研究区土壤重金属人体健康风险为低风险等级,儿童健康风险大于成人,Cd和Sb是人体健康风险的主要影响元素.由地理探测器分析可知,所有因子中地层对土壤中Sb和Cd人体健康风险空间分异的解释力最大,其余因子对土壤Cd的人体健康风险空间分异解释力大小依次为：土壤类型>海拔>距河流远近>土地利用类型>坡度;而其余单一因子对土壤中Sb人体健康风险空间分异的解释力均较低,其空间分异可能受到多重因子的复合影响.地层与Cd对成人和儿童的致癌健康风险呈显著正相关（p<0.05）...     

中国省域能源消费碳排放时空异质性的EOF和GWR分析

利用自然正交函数(EOF)揭示中国各省份能源消费碳排放量变动的时空特征,借助地理加权回归模型(GWR)分析了碳排放量驱动因素的空间分布状况.研究结果表明:中国省域能源消费碳排放量整体处于增长状态,但其增长速度有减缓趋势;EOF第一模态结果显示,碳排放量以四川省为中心向南北方向扩散,低值区集中分布在西北地区和珠三角地区;第二模态结果显示,碳排放量增长速度表现出西南地区和东南沿海地区较快,而中部省份碳排放量增长速度较慢的态势.碳排放量影响因素的重要程度由大到小依次为:总人口变化量、人均GDP变化量、城镇化率变化量、二产比重变化量、贸易开放程度变化量和能源消耗强度变化量,其中,总人口变化量的影响程度最为剧烈,每当总人口变化1%时,碳排放量相应地会变化0.5358%.