- 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
人工湿地概念;人工湿地类型;人工湿地工艺流程;;一、地点介绍
二、气象数据和水样
微生物方法
统计学方法;?;;一、香蒲植物抵抗高浓度重金属废水污染的机制是:
具有特殊的结构与功能
[如叶片呈肉质、栅栏组织发达、气孔凹陷、地下茎发达等结构,是香蒲植物对重金属污染有强抗性的原因之一]
长期生长在高浓度重金属废水中形成特化结构以抵抗恶劣环境。[如生长在废水中的香蒲植物比在清洁点的具有更大的气孔密度。香蒲根、茎、叶表皮细胞较小、近球状等均是香蒲植物适应恶劣环境所产生的一些特化结构。]
能自我调节某些生理活动,以适应污染毒害。
[如在高浓度的重金属环境中香蒲脯氨酸含量增加、光呼吸和暗呼吸作用加强是香蒲植物适应污染毒害所作的生理调整。]
香蒲植物的枯枝落叶在净化系统中创造了藻类、微生物和其他水生植物生存的有机营养环境,而这些生物对蘑金属加以吸附、吸收以及离子交换作用从而起到净化作用。
;二、香蒲植物可以有效地净化城市生活污水及工业废水中的磷、氮、COD.cr、BOD5、总悬浮物(TSS)等污染物质。
三、香蒲湿地生态系统还可控制水土流失,促进土壤的发育和熟化,提高土壤中有机质N、P、K等的含量.从而提高土壤肥力。
;微生物方法;内容:
1、用稀释剂将每个水样制成5个10倍稀释度的稀释液(10-1、10-2、10-3、10-4、10-5)。
2、每个稀释度接种3个管。
3、接种后的试管加在培养基进行培养(温度、时间)。
4、在此期间所得到的产气阳性管即证实有大肠菌群的存在。将所得阳性结果检MPN表,此数值乘于稀释梯度,即求得水样中大肠菌群数量。
5、MPN检索表只给了三个稀释度,如改用不同的稀释度,则表内数字应相应降低或增加10倍。
;月桂胰蛋白胨培养基用于假定实验。
粪大肠菌群:在44.5℃的大肠杆菌液体培养基中行。
大肠杆菌:加有Covac 试剂的胰蛋白胨培养基。
沙门氏菌:
1、取1L采样水过滤。
2、将过滤器置于缓冲蛋白胨水中在36℃条件下预增菌培养20h。
3、取1ml预增菌处理的液体于甘露醇亚硒酸钠培养基培养;0.1ml于RV(Rappaport Vassiliadis)培养基中培养。(42℃,24h)
; 用于沙门氏菌分析的传统方法是食物样品分步增菌,以增加病原的可检出率,这种培养方法总体可分4个不同阶段或步骤。
第一(预增菌),将样品加到一种高营养、无选择性的培养基中,温度37℃,使那些“致伤”的细菌复苏及使所有微生物生长。缓冲胨水被建议常规使用(由于其可保持溶液pH值稳定)。;第二,是选择性增菌步骤,
它使沙门氏菌生长而使肉汤中同时存在的微生物数量减少。目前应用的主要有如下3种类型:
Ⅰ 连四硫基盐肉汤(Tetrathionate broth)
Ⅱ 硒酸盐胱氨酸肉汤(Selenite cystine broth)
Ⅲ RV培养基(Rappaport-Vassiliadis) 。
由于没有任何一种培养基可以全面地保持所有食品基质或各种沙门氏菌血清型,所以,较适当的做法就是使用两种培养基平行地进行试验。
;第三步是分离步骤
即选择性培养物在含一种或多种抑制非沙门氏菌生长制剂的琼脂平板上划线培养,然后对平板上肉眼可见的特征性菌落进行确认,并对该菌落分离物进行一系列生化和血清学检测,以作出鉴定。
传统沙门氏菌检测法全过程需时至少4~7天,才能得出明确的诊断结果。
;统计学方法;三、结果; 多元线性回归是研究一个随机变量与多个自变量
之间的统计线性相关关系。
多元线性回归模型的一般形式
一个随机变量y关于一组变量(确定型)x1,x2,x3,…xp
多元线性总体回归模型的表现形式为:y=b0+b1x1+b2x2+…+bpxp+ε,ε~N(0,σ2)
。其中b0,b1,b2…bp被称为回归参数,其值要通过具体数据进行估计。若b0,b1,b2…bp的估计值为b0^,b1^b2^…bp^ ,则称为y关于的x1,x2,x3,…xp的线性回归方程,y^为y在x的回归值。
相关系数R:一般地,若相关系数R的绝对值在
0.8和1之间,可断定回归变量之间具有较强的线性相关性。;多元回归模型的应用举例;判定系数 R2; 即总偏差=回归偏差+剩余偏差 这说明在总偏差一定时,回归偏差越大,剩余偏差就越小;反之,回归偏差越小,剩余偏差就越大。由此可见,如果实际值紧密分布在回归直线两侧,剩余偏差很小,说明X和Y的依存关系很强。 当X与Y两变量依存关系很密切,乃至Y的变化完全由X引起,X与Y为确定的函数关系,剩余误差,也称未被解释的误差为零。判定系数 R2 便是以回归偏差占总偏差的比率来表示回归模型拟合优度的评价指标。
其计算公式为:
原创力文档


文档评论(0)