- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
利用微藻减排CO2 的研究
1 1 2 1 1 1 1 1
杨忠华*,陈明明,吴高明,李轩科,杨华明,苏思正,赵杰,刘郭飞
1 2
( 武汉科技大学 化学工程与技术学院,湖北 武汉 430081 ;武汉钢铁集团公司 安环部,湖
北 武汉 430083)
摘要:从斜生栅藻(Scenedesmus obliquus)、普通小球藻(Chlorella vulgaris )、和螺旋藻(Spirulina
platensis )筛选出耐受CO 浓度高、固定CO 效率强的藻种。进一步对该藻种固定CO 的特性进行
2 2 2
研究。研究表明斜生栅藻具有最高的CO2耐受能力同时具有很好的CO2 固定效率。该藻在合适的
条件下可以耐受空气中浓度高达25% 的CO ,在20% 的高CO 浓度下也可以获得不错的生长速率。
2 2
在合理的光照、通气率等条件下,可以使CO2 的固定效率达到80%左右。这表明该类藻类可以用
来进行CO 的减排。
2
关键词:CO 固定;CO 减排;斜生栅藻;生物固碳
2 2
引 言
微藻由于具有光合速率高、繁殖快、环境适应性强、处理效率高以及易与其它工程技术
集成等优点[1,2] [3,4]
,在CO2 减排以缓解CO2 带来的环境问题 上越来越受到人们的关注。利用
微藻固定CO2 技术被认为是一种有希望的、经济高效的温室气体减排技术[5,6,7,8] 。
目前,国内外多数微藻生产工厂都采用开放式跑道池培养系统,由于开放式培养系统存
在许多不足之处,许多学者都在探索采用不同的封闭式培养系统生产微藻[9,10,11,12] ,如螺旋
管式光生物反应器半连续培养,封闭式太阳能管式光生物反应器。机械搅拌式生物反应器是
广泛用于规模培养微生物的生物反应器,具有技术条件成熟、易于控制等优点,只要配套光
源,就可成为培养微藻的光应器,因此可利用现有发酵工程技术开展微藻的研究开发工作,
国内外许多学者在这方面都做了尝试。本文采用外置光源搅拌式微型生物发酵罐光反应器,
通过正交实验法对所选的高效 CO2 固定微藻的培养过程中搅拌转速、通气浓度、通气量和
光照强度等培养条件进行优化,通过元素分析获得斜生栅藻固定 CO2 速率的情况,为微藻
的规模培养提供理论基础。
1 材料与方法
1.1 藻种来源与培养基
[13,14] [15] [13]
本实验所用的藻种包括:螺旋藻 、普通小球藻 和斜生栅藻 ,这些藻种来自中
国科学院水生生物研究所(武汉)。其中螺旋藻用AB 培养基培养,斜生栅藻、普通小球藻
用SE 培养基培养。
1.2 实验装置
为了测定斜生栅藻的最适生长条件,实验装置如图3.1 所示。
*联系人:杨忠华,yangdragon@wust.edu.cn,027
微 出气口
M 型
生
物
发
酵
罐
您可能关注的文档
最近下载
- 深度学习基础及应用(人工智能、大数据技术、计算机等相关专业)全套教学课件.pptx
- 《深度学习基础及应用》教案 第9课 利用循环神经网络进行文本预测和分类(二).docx VIP
- 《深度学习基础及应用》教案 第8课 利用循环神经网络进行文本预测和分类(一).docx VIP
- 《深度学习基础及应用》教案 第6课 利用卷积神经网络进行图像处理(一).docx VIP
- 《深度学习基础及应用》教案 第10课 利用生成对抗神经网络进行图像生成.docx VIP
- 《深度学习基础及应用》教案 第8课 利用循环神经网络进行文本预测和分类(一).pdf VIP
- 《深度学习基础及应用》教案 第5课 构建神经网络(三).docx VIP
- 《深度学习基础及应用》教案 第2课 夯实深度学习开发基础.docx VIP
- 人教版五年级上册数学精品教学课件 第3单元 3.3 商的近似数.ppt VIP
- 《深度学习基础及应用》教案 第10课 利用生成对抗神经网络进行图像生成.pdf VIP
文档评论(0)