不同蓝莓品种根际phoD基因相关土壤解磷细菌群落结构分析

【目的】研究不同品种兔眼蓝莓(Vaccinium ashei Reade,简称RB)对phoD(碱性磷酸酶基因)相关土壤解磷细菌群落组成的影响,阐明解磷细菌对土壤磷素的转化以及植物生长的意义。【方法】通过对12个兔眼蓝莓品种根际土壤中phoD进行高通量测序,分析phoD基因相关土壤解磷细菌群落的多样性及组成,解析根际解磷细菌与蓝莓品种以及土壤理化性质之间的相互作用关系。【结果】在12个兔眼蓝莓品种中,蓝莓‘森土里昂’(‘Centurion’, RB4)品种具有最高的群落多样性;蓝莓根际phoD基因相关土壤解磷细菌群落核心细菌群由α-变形菌纲根瘤菌目、红螺菌目、β-变形菌纲伯克氏菌目、γ-变形菌纲黄单胞菌目、海洋螺菌目、假单胞菌目和放线菌门链霉菌目组成;蓝莓根际phoD基因相关土壤解磷细菌群落可以分为RBⅠ、RBⅡ两组,其中RBⅠ组的α-变形菌纲细菌相对丰度显著高于RBⅡ组;土壤总磷(TP)和phoD基因相关土壤解磷细菌群落组成是速效磷(AP)的主要影响因素。【结论】蓝莓不同品种和土壤性质对根际phoD基因相关解磷细菌群落丰度有显著影响,而群落多样性则与对照无显著差异,这可为进一步阐明酸性土壤条件下植物和根际解磷细菌之间的共生关系提供有效的数据支持。     

精雕细琢修熊本城

熊本城位于日本九州熊本县熊本市,熊本城又名银杏城(由于当加藤清正建造此城时,已经考虑到万一发生围城战时,城内需要有食物供应,因此便广植银杏,甚至连城内铺床的材质,都是利用里芋的茎晒干做成的,可以作为围城战时的战备存粮)是日本著名景点之一,与大阪城、姬路城合称为日本的三大名城,独特的设计令熊本城易守难攻,被称为"令武士无功而返"的要塞。     

卷烟主流烟气中氢氰酸测定不确定度评价

 结合实验室的实际情况,对连续流动法测定卷烟主流烟气中氢氰酸含量的测量不确定度进行评价,分析了氢氰酸含量检测的影响误差,计算了不确定度分量及合成不确定度,并得出测量结果扩展不确定度为5.47μg/支,为测量结果提供了可信度和可信区间.     

基于SCEM-UA算法和全局敏感性分析的水文模型参数优选不确定性研究

 针对复杂非线性水文模型参数识别及不确定性分析问题,引入基于马尔可夫链蒙特卡罗思想的SCEM-UA算法,以岷江流域为研究实例,对降雨径流模型的参数优选问题进行了分析,并探讨了该算法在推求参数后验分布的搜索性能和效率。结果发现,SCEM-UA算法能快速有效地推求出参数后验概率分布。同时,开展基于SCEM-UA算法取样的参数全局敏感性分析,对比参数敏感性和后验分布,表明两者密切相关,敏感性强的参数其边缘后验概率密度分布存在明显峰值,相反,敏感性弱的参数其后验概率分布较为平坦且无规律可循,从而导致模型参数的不确定性大大增强。     

DIS互连支撑软件系统DIS-Link

作为支持符合ＩＥＥＥ１２７８．１－１９９５标准的ＤＩＳ支撑软件系统,ＤＩＳ－ｌｉｎｋ软件系统的组成、功能顺本文中进行了概括性介绍,并且和国外同类型软件ＶＲ－Ｌｉｎｋ进行了对比,同时在文章最后其应用情况进行了简要的说明。     

中频熔炼炉联机改造及应用

论述了中频机组与绝缘栅双极晶体管[IGBT]中频炉体联机改造过程中电气参数的调整,联机后机器运转状态与改造结果.     

沥青胶结磷石膏粉的防水性能及应用研究

采用沥青胶结磷石膏粉制备混合物,对其防水性能进行试验研究.根据沥青试验方法,测试了混合物的针入度、软化点与延度;针对不同试件,开展了粘结力试验、渗水试验与低温弯曲试验;借助洗衣机开展了冲刷模拟试验,并进行了初步场地应用检验.结果表明:磷石膏粉增强了沥青的硬度与高温稳定性;当粉胶比≤4.0时,混合物的冲刷质量损失率小,且...     

稠油降解菌的筛选及其生物表面活性剂的特性

添加稠油对土壤中土著微生物进行驯化, 分离出33株能以稠油为惟一碳源生长的细菌, 从中筛选出2株高效表面活性剂产生菌XJ1和SJ4, 9株高效稠油降解菌. XJ1和SJ4可将发酵液的表面张力由72.4 mN/m分别降到36.1 mN/m和36.2 mN/m;14 d摇瓶油降解率分别为35.89%和31.59%, 降解效率在各单菌中最高. 同时研究了发酵液中XJ1和SJ4的生长量与其生物表面活性剂产生情况之间的关系, 经红外光谱分析初步确定两种生物表面活性剂均为糖脂类化合物.     

基于EEMD-SSA组合模型的短期电力负荷预测

由于电力系统运行受多种因素的影响,因此电力负荷呈现较强的波动性和不稳定性,从而影响电网短期负荷预测的准确性。为减小预测误差,提出一种组合模型策略。首先采用集合经验模态分解将原始数据分解为若干分量,根据各分量数据所含信息量的不同,将分量分为两组,分别利用反向传播神经网络和长短时记忆网络进行预测。并在此基础上,利用樽海鞘群优化算法对每个分量预测网络中的神经元个数与输入变量的滞后项进行优化,得到最终的EEMD-SSA(Ensemble Empirical Mode Decomposition-Salp Swarm Algorithm)的组合预测模型。最后,将此模型应用于某地实测数据进行负荷预测。实验结果表明,该组合模型比单一网络模型及其他模型具有更好的预测效果。