【摘 要】
:
地浸采铀结束后,采铀区铀污染地下水对居民的健康和生态环境构成威胁。向铀污染地下水中添加电子供体刺激土著菌群通过生物还原的机制可将溶解度较高的U(VI)还原为难溶的U(IV),从而实现修复铀污染地下水的目的。已有研究表明:在土著菌群还原固铀过程中硝酸盐还原菌(NRB)、硫酸盐还原菌(SRB)、铁还原菌(Fe RB)的丰度较高,并在该过程中发挥重要作用。虽然土著菌群经环境的长期驯化能很好地适应环境,并
论文部分内容阅读
地浸采铀结束后,采铀区铀污染地下水对居民的健康和生态环境构成威胁。向铀污染地下水中添加电子供体刺激土著菌群通过生物还原的机制可将溶解度较高的U(VI)还原为难溶的U(IV),从而实现修复铀污染地下水的目的。已有研究表明:在土著菌群还原固铀过程中硝酸盐还原菌(NRB)、硫酸盐还原菌(SRB)、铁还原菌(Fe RB)的丰度较高,并在该过程中发挥重要作用。虽然土著菌群经环境的长期驯化能很好地适应环境,并且功能菌群间存在协同作用,可有效提高其还原固铀效果,但土著菌中由于缺失部分关键功能菌群可能会妨碍微生物的固铀过程,使其固铀机制的研究更为复杂。因此,如何利用功能菌群的协同作用将它们有效地结合,构建高效固铀菌群是生物修复铀污染地下水的关键。模拟试验结果表明:将NRB、SRB、Fe RB按照等比例混合构建的人工菌群,土著菌群投入于pH 7.2、25℃、U(VI)初始浓度为20.00 mg/L的模拟铀污染地下水中,微生物的初始浓度均为1.0×10~7个/mL,电子供体为无水乙醇(0.46 g/L)。人工菌群组和土著菌群组分别在与模拟铀污染地下水反应的前4天对溶液中NO3-的去除率分别在90.00%以上,在第4~19天两组对溶液中U(VI)和SO42-的去除率分别为93.00%、98.60%,对溶液中SO42-的去除率分别为32.18%、38.93%。之后溶液中NO3-浓度、U(VI)浓度、SO42-浓度无明显变化。在试验过程中两组溶液的pH值从7.2上升到7.60~7.83。人工菌群和土著菌群分别在与模拟铀污染地下水反应34天之后,通过对其反应产物进行扫描电镜-X射线能谱(SEM-EDS)、傅里叶变换红外光谱(FTIR)、X射线光电子能谱(XPS)、X-射线衍射仪(XRD)分析结果表明:人工菌群和土著菌群的固铀过程分为三阶段:(第一阶段)人工菌群和土著菌群将溶液中的U(VI)吸附固定于菌体表面,同时将NO3-还原,为U(VI)的还原创造有利条件,在生物吸附过程中与铀相互作用的官能团包括羟基、羧基、酰胺基等含氧官能团;(第二阶段)人工菌群和土著菌群的菌体表面出现层状沉淀,微生物同步还原U(VI)、SO42-,在人工菌群组产物中U(VI)和U(IV)的相对比例分别为50.44%、49.56%,在土著菌群组产物中U(VI)和U(IV)的相对比例分别为74.41%、25.59%,其中U(IV)主要为UO2;(第三阶段)人工菌群和土著菌群菌体表面的层状沉淀更加致密,在人工菌群组产物中U(VI)和U(IV)的相对比例分别为52.69%、47.31%,在土著菌群组产物中U(VI)和U(IV)的相对比例分别为64.35%、36.65%,该阶段中微生物也促进非结晶态U(IV)和U(VI)转化为UO2,提高了还原产物的稳定性。以上分析表明在本试验中人工菌群对U(VI)的还原效果优于土著菌群。人工菌群组和土著菌群组的微生物群落分析表明:高效固铀菌群应该包括Fe RB、NRB、SRB。向实际铀污染地下水中添加高效菌株如Clostridium_sensu_stricto_13或其他关键微生物是进一步提高微生物原位修复铀污染地下水效果的一种可行方法。该研究结果为微生物修复铀污染地下水过程中高效菌群的构建提供理论指导,对原位修复铀污染地下水具有重要意义。
其他文献
显微图像中细胞核的检测和分割对生物医学研究和临床实践具有重要意义,包括细胞核形态分析、癌症诊断和分级。然而,由于显微图像中存在染色不一致、目标和背景存在显著差异以及人为噪声等特点,再加上在显微图像中大多都是小目标且有覆盖和粘连的情况,从而导致鲁棒、精确的细胞核检测和分割非常具有挑战性。在目前的临床实践中,依靠病理学家手动评估疾病进程不仅需要专业知识,而且手动检查过程主观且耗时。近年来,深度学习方法
静态分析发现软件缺陷是提高软件质量,确保软件可靠性的有效手段之一。近年来,研究使用自动确认技术来降低对疑似缺陷进行人工审查的成本是研究的热点问题。主流技术路线是通过设计一些缺陷特征,并使用机器学习中有监督的分类算法来自动实现对疑似缺陷的确认。其中难点和重点是设计准确性高的缺陷自动确认模型,本文针对如何提高静态分析缺陷自动确认的准确性以及如何将缺陷自动确认方法应用于核电领域做了如下研究:(1)提出一
在深度学习中,大部分数据集存在数据冗余和样本分布不均衡问题,导致异常检测准确性下降,降低了异常检测效果。此外,大多数传统的异常检测模型忽略了数据点之间的关系结构信息,不能有效应用到图结构数据中。针对上述问题,研究一种不受不平衡样本数据影响以及将数据间的结构信息高效应用到图结构中的异常检测模型具有重要意义。而自编码器能够重构原始数据,可以自动从原始数据学习所需参数特征,能够有效地解决上述问题。因此,
自20世纪末以来,作为一股新兴经济力量,基于互联网普及而出现的电子商务实现了从零到百万亿的爆炸式增长,为许多国家的市场注入了巨大的活力,在经济发展中逐渐占据一定的地位。这其中,电商平台依靠互联网技术的迅猛发展,凭借其商品的齐全性、交易的快捷性及低价优势快速壮大起来。电子商务全球网络零售额短时间内从零不断实现突破式增长,根据联合国贸发会议数据,2020年全球网络零售额占零售总额的19%,较2019年
当前,大数据技术的快速发展,给各个领域带来了海量的数据,而研究这些数据之间的因果关系,进而带来相应的商业、科学研究价值则显得至关重要。当前的人工智能在一定程度上忽略了因果关系而导致动力不足,因果关系的研究可能是实现强AI人工智能的唯一途径。因果关系方向推断则是因果关系研究的热点之一。目前的因果关系方向推断方法通过观测数据来识别变量之间直接的因果影响,但是由于观测到的数据之间可能存在级联结构,变量之
联邦学习作为一种特殊的分布式机器学习,能有效帮助多个边缘设备在满足用户隐私保护要求下,协同训练共享模型,但仍然存在通信开销重和异构数据难训练等问题。为此,本文针对联邦学习环境下,多方协同训练模型中通信开销和异构数据进行研究,主要做了以下方面的工作:面对联邦学习下数据标签缺失,针对无标签数据可能会在训练过程中出现模型性能差的问题,引入联邦对比学习算法。该算法是联邦学习和对比学习的结合,使得我们可以在
近年来随着临床医疗和畜牧养殖行业的发展,大量未代谢的抗生素通过污水等方式排入环境中,这不仅会造成水体和土壤污染还会造成环境中微生物群落失衡,导致水体和土壤环境的自净能力下降。此外,当环境中抗生素积累到一定限值时,还会出现抗性基因,最终通过食物链传递给人类,危害人类健康。因此,去除环境中的抗生素具有重要意义。本研究选择四环素(TCs)作为目标污染物,以皂荚(GS)为生物炭原材料,采用铁和锰双金属改性
随着移动设备和传感器的大量使用,世界上每天产生的数据量越来越多,如何处理大数据成为一个热门的问题。K-means算法因为其简单、运行速度快而广泛应用于数据的分析和处理,但是由于算法初始质心的随机性导致算法容易陷入局部最优解,而传统串行K-means在处理大数据的情况下不可行,故需要和大数据框架结合。本文重点对K-means算法在大数据场景中进行改进和应用。首先针对K-means由于初始质心的随机性
为了更加准确地了解建筑结构动力鞭梢效应发生的机理,本文对双自由度体系和多自由度有阻尼体系的受迫振动方程进行无量纲化处理和模态分析,研究上部结构与下部结构质量比和刚度比对结构鞭梢效应的影响。具体研究内容和主要研究成果如下:(1)对于双自由度无阻尼体系,当质量比和刚度比均趋向于0时,引起上部结构发生鞭梢效应的情形较多:当外激励频率与下部结构的自振频率相接近时,若质量比和刚度比为同阶无穷小,下部结构发生
随着世界经济的蓬勃发展,城市的发展达到史无前例的高度,随之而来的大气污染形势也变得越来越严峻,大气污染已经成为目前最主要的环境问题之一。大气环境作为人类、动物和植物生存与发展的基本条件,也是气载污染物迁移扩散的重要途径。下垫面是地气相互作用的交界面,对气载污染物迁移扩散的动力学行为有重要影响,其中地形特征和地表热力学参数是主要影响因素之一。本文基于Open FOAM软件对复杂热力环境下垫面气载污染