简介:2013年7月对红旗泡水库浮游动物及水质情况进行调查。共鉴定出浮游动物14种,根据浮游动物出现频率、丰度和优势度y>0.02的优势种类有矩形龟甲轮虫Keratellaquadrata、针簇多肢轮虫Polyarthratrigla、简弧象鼻溞Bosminacoregoni、哲水蚤Calanidaesp.、温剑水蚤Thermocyclops、爪哇小剑水蚤Microcyclopsjavanus、英勇剑水蚤Cyclopsstrenuns。浮游动物平均密度1418.78ind/L。Shannon-Weaver多样性指数和Pielou均匀度指数综合评价表明:红旗泡水库水质属于中污染或无污染状态。
简介:体质量20~25g黄颡鱼Pelteobagrusfulvidraco鱼种饲养在辽宁省灯塔市忠信集团面积0.53~1hm^2,水深1.5~3m的池塘中,密度为52500尾/hm^2,搭养全长10cm的鲢200尾、鳙80尾,投喂以人工饲料。2012年5月和6月的8、18、28日,采病鱼样品63尾,正常鱼样品23尾,监测了5个患黄颡鱼腹水病和3个未发病池塘的水温、DO、pH、NH4+-N和NO2--N含量,以探讨水环境与黄颡鱼腹水病组织病理的关系。结果表明:当氨氮、亚硝酸盐超出正常养殖水体指标并升高时,鱼体鳃、肾、肝组织细胞发生肿胀、增生、空泡变性等一系列组织病理学变化。
简介:2011年春季,对嫩江下游底栖动物进行了较系统的调查研究。结果表明:在嫩江下游共发现了54种底栖动物,其中水生昆虫36种,占总种数的66.7%;软体动物12种,占22.2%;环节动物4种,占7.4%;甲壳动物1种,占1.9%;扁形动物1种,占1.9%;各采样断面底栖动物的密度和生物量差异较大,密度的变化范围为0.04~4.2ind.m-2,平均值1.766ind.m-2;生物量的变化范围为0.0130~1.4880g.m-2,平均值0.3496g.m-2。聚类分析(ClusterAnalysis)表明,嫩江下游底栖动物群落结构差异明显,组内相似性高,组间差异大,多维标度分析(MSD)结果支持了聚类分析结果。用Shannon-Wiener多样性指数、Pielou均匀度指数和Simpson生物指数3个指标评价表明,嫩江水质处于良好状态。
简介:2011年9~10月,对逊别拉河底栖动物进行了调查研究,并利用生物指数对水质进行评价。结果表明,共采集到15目28科55种底栖动物,其中水生昆虫种类最多为37种,分属7目16科,占总数的67.27%。出现频率排在前三位的分别是粗腹摇蚊(Pentaneurasp.)、狭萝卜螺(Radixlagotis)和半球多脉扁螺(Polypylishemisphaerula)。底栖动物平均密度为64.80ind.m-2、生物量为4.43g.m-2。功能摄食类群以捕食者占优势,共计为23种,刮食者15种,收集者11种,撕食者6种。BI生物指数评价结果表明,逊别拉河水质比较清洁。
简介:目的研究氢化物发生一原子荧光光谱法的同时测定人参中砷和锑的含量。在仪器的最佳工作条件及氢化物发生条件下,还探讨了还原剂及其用量与还原掩蔽剂对测定的影响。方法采用氢化物一原子荧光光谱法进行测定。结果在测定条件下,砷的线性范围为0—10μg/L,r=0.9998,检出限为0.06μg/L,回收率102.3%,精密度(RSD)为3.45%;锑的线性范围为0-10μg/L,r=0.9999,检出限为0.027μg/L,回收率94.7%,精密度(RSD)为4.72%。用该法测定了标准物质茶叶中砷和锑的含量以进行比较,结果与推荐值相吻合。结论方法快速、准确,应用于人参中砷和锑的检测,获得较满意结果。
简介:2013年监测了三都湾大黄鱼养殖区表层水的水质。结果显示:该区域水温年平均值为20.4±5.7℃;盐度年平均28.15±2.87;pH年平均8.07±0.09;总氮(DIN)全年在0.367mg·L-1~0.759mg·L-1之间,平均0.557±0.185mg·L-1,夏季最低为0.447±0.121mg·L-1,冬季最高为0.660±0.231mg·L-1;总磷(DIP)全年在0.024mg·L-1~0.173mg·L-1之间,平均0.056±0.026mg·L-1,11月最高,4月最小,两者之间差异显著(P<0.05);溶解氧(DO)含量在4.35~8.37mg·L-1,季节变化规律为:春季>冬季>秋季>夏季;化学需氧量(COD)含量在0.24mg·L-1~1.73mg·L-1,随季节变化不明显,规律为:春季>夏季>秋季>冬季;春季与冬季差异显著(P<0.05);营养盐结构发生改变,出现贫营养现象。
简介:摘要 : 水肥一体化自动装备的使用能够有效提高水肥资源利用率,但需要在作业前获知作物的营养状况及水肥需求量,而通过人工手持测量仪器来获取这些信息,存在着时效性差和劳动强度大等缺点。针对以上问题,本研究以常见的作物玉米为研究对象,使用大疆精灵Ⅲ无人机携带 RedEdge-M多光谱相机在田间上空采集玉米多光谱图像,同时使用 YLS-D系列植株营养测定仪测量玉米植株的氮素和水分含量等营养信息,根据这些信息将采集的图像分为 3个等级(每个等级共包含 530幅五通道图像,其中 480幅作为训练集, 50幅作为验证集),提出了一种基于卷积神经网络的玉米作物营养状况识别方法。并基于 TensorFlow深度学习框架搭建了 ResNet18卷积神经网络模型,通过向模型输入彩色图像数据和五通道多光谱图像数据,分别训练出适合于彩色图像和多光谱图像的玉米植株营养状况等级识别模型。试验结果表明:训练后的模型能够识别玉米作物的彩色图像和多光谱图像,能够输出玉米的营养状况等级和 GPS 信息,识别彩色图像模型在验证集的正确率为 84.7%,识别多光谱图像模型在验证集的正确率为 90.5%,模型训练平均时间为 4.5h,五通道图像识别平均用时为 3.56s。该识别方法可快速无损地获取玉米作物的营养状况,为有效提高水肥资源利用率提供了方法和依据。