排序方式： 共有5条查询结果，搜索用时 7 毫秒
1
1.
为降解规模化猪场污水中的S^2-,本研究从规模化猪场采集粪便污水样品20份,首先接种于含10 g/L Na2S的基础无机盐培养基中富集培养,然后涂布于分离培养基进行分离与纯化。对纯化的菌株采用对氨基二甲基苯胺分光光度法测定培养上清中S^2-含量,筛选菌株的脱硫能力。选择降解率较高的菌株进行生理生化鉴定和16S rDNA分子鉴定,并对扩增的序列进行同源性比较及进化树分析。结果表明:从20个样品中分离了14株菌株,筛选获得2株脱硫率较高的菌株JFF-2和JFF-3,脱硫率可达84.02%和86.12%;经16S rDNA序列分析表明,JFF-2菌与地衣芽孢杆菌的同源性为99.2%,JFF-3菌与粪产碱杆菌的同源性为98.7%,因此分别确定为地衣芽孢杆菌和粪产碱杆菌,与生理生化鉴定的结果一致。本研究获得了2株能够对畜禽粪便污水脱硫的菌株,为畜禽排泄物的进一步无害化处理提供了可能。 相似文献
2.
在碱性条件下合成淀粉水解糖-三聚氰胺-甲醛(AMF)共聚树脂胶粘剂,对AMF树脂的合成工艺进行了研究。通过收集NIR近红外光谱图,再利用标准实验方法测得AMF树脂的粘度(25℃)值,生成AMF树脂近红外光谱数据库。采用平滑法-归一法-导数法对光谱数据进行预处理,再运用PLS方法定量校正模型,对AMF树脂粘度进行快速的检测与分析。实验结果表明,AMF树脂合成工艺为:淀粉水解糖与三聚氰胺的质量分数为60%,恒温88℃反应2.5 h,pH值为9.5,甲醛与三聚氰胺摩尔比(M_f/M_m)为1.6、1.8、2.0、2.2;AMF树脂室温下的储存期可长达30 d。光谱数据预处理后,载荷的波数值为7 500~4 000 cm~(-1),PLS矢量数字越低,其维数也就越小。运用PLS方法,通过交互验证,确定维数为3,模型R~2=92.27,RMSECV=4.92,Bias=5.671,回归曲线:y=0.9187 x+5.6726,模型通过验证。 相似文献
3.
【目的】研究不同菌株组合及不同矿物元素含量对玉米秸秆降解效果的影响。【方法】以风干粉碎过2 mm筛的玉米秸秆为供试样品,以预试验筛选的降解玉米秸秆细菌菌株贝莱斯芽孢杆菌（Bacillus velezensis）和解淀粉芽孢杆菌（Bacillus amyloliquefaciens）以及真菌菌株棘孢曲霉（Aspergillus aculeatus）和黑曲霉（Aspergillus niger）为供试菌株(分别命名为HL-1、HM-6、MN-1、M1-2),根据菌株的多样性,以丰富度为依据,用4株菌株组配了15组降解组合,并通过抽样分析确定4株菌株在复合菌系中的贡献程度,以降解秸秆中粗纤维（CF）质量分数为指标来筛选最佳复合菌系。在确定最佳复合菌系的基础上,通过单因素试验和正交试验探究不同含量P、N、Ca对秸秆CF降解的影响;最后以CF质量分数为主要指标、活菌数及羧甲基纤维素酶（CMCase）和滤纸酶（FPAase）活性为辅助指标,确定最佳矿物元素含量组合。【结果】① 由菌株多样性和抽样效应分析结果可知,复合菌系J（HL-1＋HM-6＋M1-2）降解效果最好,秸秆降解后CF质量分数为31.59%,较原始玉米秸秆CF质量分数（34.65%）降低了3.06个百分点,CF降解率达到8.83%。② 单因素和正交试验结果表明,向复合菌系J中添加0.7 g/kg P、0.7 g/kg N和0.5 g/kg Ca,降解6 d后秸秆中活菌数为10.73×108 CFU/mL,CMCase和FPAase活性分别为8.12和2.51 U/g,CF质量分数为27.49%,较原始玉米秸秆下降了7.16个百分点,CF降解率达到20.66%。【结论】在该试验条件下,向筛选的最佳复合菌系J（HL-1＋HM-6＋M1-2）中添加适宜矿物元素P、N、Ca,有利于玉米秸秆的降解。 相似文献
4.
针对传统温室灌溉系统中的节水问题,设计了一种基于Fuzzy-PID算法的温室节水滴灌控制系统。通过采集温室内的实时土壤湿度,基于Fuzzy-PID控制原理,一方面根据植物的生长特性自适应地调节土壤湿度,以保持农作物“不饥不过饱”,另一方面在满足温室灌溉需求的基础上进行适时、适量的灌溉,以避免水资源的浪费。仿真实验表明,与传统的模糊控制和PID控制相比,所提出Fuzzy-PID控制的调节时间减少了约17s,超调量减少了9.4%。实际测试表明,该系统运行稳定,鲁棒性强,节水率约为23%,能够满足节水灌溉的要求,具有良好的推广价值。 相似文献
5.
为高效无损获得枸杞叶片叶绿素含量,基于无人机搭载高光谱成像仪实拍的宁夏枸杞叶片高光谱图像,结合手持叶绿素仪测定的叶片叶绿素含量,通过对高光谱图像进行特征波段选取并利用光谱微分技术处理,以反射率一阶导数为输入变量,设置不同训练集及数量,选用BP、Elman两种神经网络并分别用遗传算法(GA)、粒子群优化算法(PSO)进行优化,通过预测效果比较确定枸杞叶绿素含量预测的最优模型。结果表明,相比于传统的BP、Elman神经网络,优化后的模型预测结果更好,尤其PSO-Elman模型,预测模型变量为原始反射率与反射率一阶导数的R2分别为0.91408、0.98967。本研究结果可为宁夏枸杞的生产管理提供一定的技术支持。 相似文献
1