【摘 要】
:
当前社会经济发展的同时环境问题更加突出,工业、采矿业等的发展带来严重的环境污染。多环芳烃(PAHs)是有机污染物中的典型代表之一,可以造成土壤污染,大量农作物减产,危害人类健康。因此,PAHs对植物生理机制的影响已成为生态学研究热点之一。苯并芘(Benzopyrene,B[a]P)是PAHs中毒性最大的强烈致癌物,其化学性质稳定,广泛存在于水、土壤、大气中,对动物的内脏器官和神经系统造成严重损伤,
论文部分内容阅读
当前社会经济发展的同时环境问题更加突出,工业、采矿业等的发展带来严重的环境污染。多环芳烃(PAHs)是有机污染物中的典型代表之一,可以造成土壤污染,大量农作物减产,危害人类健康。因此,PAHs对植物生理机制的影响已成为生态学研究热点之一。苯并芘(Benzopyrene,B[a]P)是PAHs中毒性最大的强烈致癌物,其化学性质稳定,广泛存在于水、土壤、大气中,对动物的内脏器官和神经系统造成严重损伤,改变细胞周期,诱导细胞发生癌变,在监测环境中PAHs水平具有代表性。因此开展B[a]P的研究对于改善土壤质量、保障环境生态安全具有重要意义。一氧化氮(NO)是植物中重要的信号分子,参与植物种子萌发、生长、抗氧化、渗透调节、光合作用、信号转导、基因表达等代谢过程。NO在调节植物环境胁迫抗性方面如重金属胁、低温胁迫、盐胁迫、干旱胁迫有积极的缓解效应,但NO对B[a]P胁迫下植物中矿质元素、重金属元素转运和吸收的影响尚未系统研究,因此研究外源NO在B[a]P胁迫下对植物生长、矿质元素吸收和转运的影响,对提高植物抗PAHs污染性能有积极意义。本论文通过10、20、30、40μmol·L-1B[a]P对黑麦草(Lolium perenne L.)的种子萌发、生物量、根系活力、硝酸还原酶(NR)活性以及矿质元素吸收和转运的影响,筛选出30μmol·L-1B[a]P对黑麦草既有促进作用,也有抑制作用。之后将30μmol·L-1B[a]P分别与100、200、300、400μmol·L-1外源NO混合来研究外源NO对30μmol·L-1B[a]P胁迫的黑麦草生物量、种子萌发、根系活力、NR活性以及矿质元素吸收的影响,探讨NO是否减轻B[a]P胁迫对黑麦草的生长及矿质元素吸收和转运的危害。结果表明:(1)不同浓度(10~40μmol·L-1)B[a]P促进黑麦草的株高,黑麦草的鲜重与干重随着B[a]P浓度的增加呈现先升高后降低的趋势,黑麦草种子萌发和根系活力均随着B[a]P浓度的增加而受到显著抑制,黑麦草的NR活性呈先升高后降低的趋势。40μmol·L-1 B[a]P下对黑麦草发芽指数的抑制率达89.82%。矿质元素中,不同浓度B[a]P处理对Cu、Cd吸收下降,N、P、Mn、Pb吸收随着B[a]P浓度的变化而发生不同部位的转移与集聚。10μmol·L-1B[a]P处理显著促进P、Mn、Pb吸收,20μmol·L-1B[a]P促进K吸收,30μmol·L-1B[a]P促进N、Pb吸收,但B[a]P胁迫对Zn吸收不显著。(2)30μmol·L-1B[a]P胁迫下,不同浓度(100~400μmol·L-1)外源NO促进黑麦草株高、干重,降低黑麦草鲜重。随着外源NO浓度的增加,黑麦草的种子萌发、根系活力、NR活性呈现先升高后降低的趋势,N、P、Mn、Cu、Pb进一步向根系转移,300μmol·L-1外源NO促进对N的吸收,增强黑麦草N、Cu、Pb元素的转运能力。400μmol·L-1外源NO对P的促进作用达64.80%,增强P、Zn、Mn的转运能力。(3)对黑麦草元素进行相关性分析,N、Zn、Mn、Cd与黑麦草的生长和生理指标存在着显著的相关性,黑麦草株高与根部的N的相关系数为0.939,与Zn的相关系数为-0.955,黑麦草叶片中Zn与NR活性、地下鲜重均存在显著的负相关,Mn与发芽势存在显著负相关,Cd与地上干重存在显著正相关,相关系数为0.938。聚类分析和主成分分析黑麦草生长及矿质元素吸收特性,200~300μmol·L-1NO减轻B[a]P胁迫对黑麦草生长及矿质元素吸收的危害效果最好。
其他文献
近年来,随着互联网技术的飞速发展,网络中时刻都会产生大量的时空数据,时空数据为同时具有时间维度、空间维度及其他属性得数据类型。时空数据在供应链、电子商务、物流等领域中具有广泛的应用。因此,在实际中保证时空数据的安全存储以及快速查询具有重要的意义。目前时空数据的主要存储方式多为集中式存储和分布式存储,但仍然存在数据不透明、且易被篡改等问题,同时容易形成数据孤岛,无法进行有效的数据共享。保障时空数据的
随着信息技术的发展,区块链技术的应用领域越来越广泛,如金融、政务、数字货币、教育等。特别是在金融领域,对海量金融数据进行分类存储并找出具有重大潜在价值的事件,在推动信息技术融合、促进数字经济健康发展等方面具有广泛而深远的意义。金融时序数据具有规模大、场景复杂、类型多、易篡改、溯源困难等特征。因此,近些年,通过区块链技术对金融数据进行高效的存储和溯源引起了学术界的广泛研讨,也成为领域研究的重点和难点
知识图谱嵌入任务由简单的翻译模型发展到如今基于各种复杂的神经网络方法,在模型性能大幅提高的同时,模型的参数也越来越多。以现如今性能最好的图神经网络模型为例,其训练的时间、占用的空间资源要数十倍于最经典的TransE翻译模型。对当前复杂的知识图谱嵌入模型进行优化,加快模型训练速度,减少模型占用显存,目前已经在知识图谱领域成为了一个新的热点问题。针对图神经网络预训练速度较慢,占用显存较高等问题,本文提
数据增强作为自然语言处理任务中常用的技术一直受到了广泛的关注,尤其对于机器翻译这种需要大量训练数据的任务来说尤为重要。对于机器翻译领域中数据增强技术来说主要有两种方法,一种是反向翻译,另一种是词替换的方法,但由于词替换的方法所需资源更少,方法更为简单的特点,在某些低资源场景下相对来说更为合适。然而当前基于词替换的数据增强方法依旧存在一些不足之处:整体平均替换率较低,以及词与词之间相互独立进行替换而
当今人工智能技术已经在社会生活的方方面面发挥着重要作用,但是现有的人工智能技术仍与人类的推理能力存在着很大的差距,而事件关系推理这一任务,通过让机器学习事件间隐含的逻辑关系,提高机器的认知能力,继而服务于下游任务。而如何让机器更好地学习到事件间隐含的关系,就是一项重要的课题。本研究通过引入外部事理常识知识,并结合事件联合推理技术实现时序和子事件关系推理。本研究首先探索了外部事理知识增强的时序关系推
自然场景中的文本识别已经成为计算机视觉和模式识别领域的活跃研究领域。完整的识别过程包含场景文本检测和场景文本识别,即从图片中检测出文本实例,再用识别网络识别,本文只研究识别过程。本文以自然场景中低质量文本图像作为研究对象,针对不同的低质量文本图像,分别提出了三个模型来解决对应的问题。基于超分辨模块的场景文本识别模型。考虑到光学退化、拍摄时的抖动等原因,导致了字符形状的模糊,产生了低分辨率的文本图像
超分辨率是计算机视觉中的一种经典技术。超分辨率技术指低分辨率的图像或者图像序列通过一系列方法,恢复出高分辨率图像。在很多领域例如监控、数字高清和医学影像等领域有很广泛的应用。超分辨率技术分为两种:单幅图像的超分辨率(SISR)和多帧视频/多图的超分辨率(Multi-frame Super Resolution)。SISR是一个逆问题,在重建高分辨率图像时,需要通过一个先验信息进行规范化约束。在以往
无线Mesh网络(Wireless Mesh Network,WMN)是一种多跳网络,具有组网灵活、网络覆盖率高等特点。信道分配与路由协议的优化,均能提高网络性能,是WMN中两个至关重要的研究内容。在多接口多信道无线Mesh网络中,节点接口数量和信道数量通常是不等的,因此本文将解决在满足网络连通的情况下实现负载均衡,同时考虑信道切换过于频繁导致网络效率和吞吐量的下降问题。路由协议方面,由于传统路由
现如今,各个领域中的传感器、信号捕捉器等每时每刻都在捕捉时间序列数据,时间序列数据呈爆炸式增长。随着数据量的不断增长,时序数据库应运而生。在时序数据库中,数据压缩是其中最重要的组件之一,直接关系到存储和查询的效率。然而现有的时序数据库压缩算法面临着很多问题,比如在压缩数据的压缩比上表现不够好,不能适应大规模数据存储需求;数据压缩方案的灵活性差,不能一直保持良好的压缩比,不同领域的数据和不同数据模式
随着科技的不断进步和发展,产生了越来越多的文本数据,对于文本数据的处理已经是大势所趋。近年来,文本数据分类技术迅速发展,面对海量新闻数据和舆情数据等其他文本数据的增多,文本分类方法也在不断创新。然而不同的文本数据在结构上存在很大差异,并且海量文本数据中会存在丢失和语义不完整的情况。文本数据具有语义表达不清楚、维度较高、数据内容稀疏的特点。传统的文本分类方法往往从词频方向考虑,而不考虑语义方面,使得