简介:为了解当归不同部位对重金属的富集特性,采用大田种植方式分析了当归全株不同部位的重金属含量。结果表明:当归种植地土壤中重金属含量较低,未形成污染;当归全株中重金属含量从高到低依次为Cu〉Zn〉Cr〉Pb〉Mo〉Hg〉As〉Se;Cu含量高于其它金属,其中叶吸收量为2777.09μg·kg-1,根含量为1138.89μg·kg-1;在地上部分枯黄前收获时全株生物量达到6284.23kg/hm2,吸收的Cu为14.18g/hm2。当归对Cu、Zn、Mo、Hg和Pb的富集系数和转运系数都大于1,其中Cu的富集系数和转运系数分别为56.43和2.44,远高于其它重金属。当归全株对重金属Cu具有较强的富集作用。
简介:【目的】通过研究施用生物炭后烤烟对Cd的吸收效应及分配富集特征,来阐明生物炭对Cd污染植烟土壤的修复及对烤烟Cd含量的降低效果。【方法】于2015年采用盆栽试验(每盆装土25kg),选取豫中地区弱碱性土壤,外源添加Cd0mg/kg(G0)、50mg/kg(G1)、100mg/kg(G2),分别添加生物炭0g/盆(T0)、300g/盆(T1)、600g/盆(T2),采用二因素试验共计9个处理,分别为:G0T0、G0T1、G0T2、G1T0、G1T1、G1T2、G2T0、G2T1、G2T2。测定各处理的土壤pH值、土壤有效态Cd含量,并分析烟株采收时不同部位Cd含量和烟株对Cd的转运及富集系数。【结果】(1)土壤pH值随生物炭施用量的增加而升高,处理G2T2的土壤pH值最大,为7.81;土壤有效态Cd含量随生物炭施用量的增加呈现降低的趋势。(2)土壤Cd含量与烟株叶片中的Cd含量呈极显著正相关关系,且在同一污染水平下,施加生物炭后,烟株各部位叶对Cd的吸收呈显著降低的趋势。(3)施用生物炭的处理,烟株整体对Cd的转运系数降低,烟株根系对Cd的富集系数升高,叶片对Cd的富集系数降低。【结论】在Cd污染土壤种植烤烟时适量施用生物炭可以降低土壤有效态Cd含量,从而降低烟叶Cd含量。
简介:在Fe3O4/Au微粒上固定乙酰胆碱酯酶(AChE),制得磁性复合粒子Fe3O4/Au/AChE。通过磁力将其吸附于涂覆了碳纳米管(CNTs)/纳米ZrO2/普鲁士蓝(PB)/Nation(Nf)复合膜的丝网印刷碳电极(SPCEs)表面,制得一次性有机磷农药(OPs)酶传感器。采用扫描电镜(SEM)、X射线荧光光谱(XRFS)表征传感器的制备过程,采用循环伏安法(CV)和示差脉冲伏安法(DPV)研究了传感器的电化学性质。利用OPs对AChE的抑制作用,以硫代乙酰胆碱(ATCh)为底物,对乐果进行了检测。在pH=7.5的0.1mol/L硝酸钾溶液中,乐果浓度的对数与酶电极的抑制率(A)在1.0×10^-6~1.0×10^-2mg/L间呈良好的线性关系,检测限为5.6×10~mg/L,用于实际样品白菜检测时的添加回收率在88%~105%之间,与气相色谱法(GC)所得结果一致。该传感器采用复合纳米粒子修饰电极表面,具有较高的比表面活性,响应迅速,检测限低;ZrO2可特异性地富集样品中的OPs,磁性纳米颗粒包被AChE可实现磁场分离和电极表面更新,且具有高灵敏度、低样品量、一次使用可抛弃、便携式等特点,可用于蔬菜等农产品中痕量OPs的快速、简便、准确检测。
简介:摘要 : 随着信息技术的发展,利用大数据分析、物联网监控、传感器感知、无线通信等技术构建一种蜂箱蜂群实时在线监测系统,是减少因开箱检查造成蜂群应激反应的可行解决方案。本研究针对蜂箱封闭环境进行实时监测困难的现状,利用 STM32F103VBT6 32位微控制器,同时融合了温湿度传感器、微麦克风以及激光对射传感器,开发了一套低功耗、可连续工作的蜂群箱体关键参数在线监测系统,实现了养蜂生产过程中多参数信息获取以及蜂箱内蜂群的环境参数和生活状态的实时在线监测。系统主要包括核心处理模块、数据采集模块、数据发送模块以及数据库服务器等。数据采集模块包括蜂箱内部温湿度采集单元、蜂群声音采集单元、蜜蜂进出巢数量计数单元等,通过接入移动通信网络进行数据传输。系统现场部署性能测试结果表明,研制的系统能够实时监测蜂箱内温湿度,有效区别进出蜂箱的蜜蜂并记录进出巢门的蜜蜂数量,且自动获取的蜂群声音与标准的蜂群声音分布相吻合。本系统符合设计要求,采集参数准确可靠,可以作为蜂群相关研究的数据采集方法。
简介:应用正交试验法,针对不同处理干燥后的叶丝物理质量、糖苷类致香物质和感官质量,对SH9在线高速膨胀系统的进料温度、进料流量、工艺风机频率和松散蒸汽注入量进行优化。结果表明:二类卷烟最佳工艺参数为:进料温度70℃,工艺风机频率46HZ,进料流量1100kg/h,松散蒸汽注入量45kg/h。
简介:为实现醇化烟叶中霉变烟的自动在线精选,设计了基于机器视觉的霉变烟在线检测系统。该系统通过高速线阵CCD动态获取烟叶图像,采用MSD微结构描述算法提取烟叶图像颜色、纹理特征,基于神经网络集成分类算法,通过合格烟叶样本和霉烟样本的训练学习,实现霉变烟的在线检测识别。经过测试,该检测算法对霉烟图像样本的测度为0.918。在线检测试验结果显示,采用霉烟靶物单独过料时,机器视觉系统对霉烟的平均在线识别率在95%以上;将霉烟靶物与合格烟片混掺过料时,系统对霉烟的平均识别率在87%以上。研究结果表明,机器视觉方法用于醇化后烟叶中霉变烟的在线精选是可行的。