首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 343 毫秒
1.
<正>养殖水质的好坏,主要看以下几个水质指标:氨态氮、亚硝态氮、硝态氮、pH值、化学耗氧量、硫化氢等七个指标。水产养殖水体中,如何让含氮有机物进行有效的转化,以确保养殖水质维持良好,是养殖成功的关键之一。养殖水体中的含氮有机物,在水体中先转为氨态氮,再转为亚硝态氮,最后为硝态氮。转化过程中,从含氮有机物到氨氮需要的时间不长,从氨态氮到亚硝酸盐的时间较短,但亚硝酸盐的转化时间比较长,这是养殖水体中亚硝酸盐高的主要原因。  相似文献   

2.
为研究养殖库区水域氮的时空分布特征,于2014年3月至2015年2月在福建省水口水库范围内主要养殖库区选取15个采样点进行每月的监测和动态研究,全面分析了不同养殖库区、不同时期水体各形态氮的时空变化特征。结果表明,养殖库区水体总氮、氨氮、亚硝态氮平均浓度分别为1.38~2.15、0.24~0.53,0.03~0.06 mg/L。不同养殖库区水体各形态氮含量因季节更替而变化较大,总体趋势是总氮浓度冬季较高;除太平养殖库区外,其他养殖库区水体的氨氮浓度春季较高,浓度范围为0.466~0.596 mg/L;亚硝态氮浓度变化幅度不大,范围为0.009~0.031 mg/L。不同养殖区域水体中各态氮含量具有一定的相关性,雄江和太平养殖库区中总氮和氨态氮、亚硝态氮之间相关性不显著,黄田库区和湾口库区养殖区水体中总氮和氨态氮、亚硝态氮呈现负相关;尤溪口养殖库区水体中氨态氮和亚硝态氮呈显著负相关。  相似文献   

3.
随着淡水养殖集约化程度的提高,水体氨氮和亚硝态氮等有毒物质浓度随之升高,严重危害了养殖对象的生长。因此,水体氨态氮及亚硝态氮的控制成为水质控制的关键。本文针对集约化养殖条件下的养殖水处理在天津市水产研究所淡水试验站进行了生物膜法和生态浮床净化法处理池塘养殖用水的实验。结果表明:生物膜法和生态浮床净化法都能有效去除池塘水体氨态氮及亚硝态氮,如果不使用水生植物,则每生产1t鱼需设置6.76m2的生物包。  相似文献   

4.
该文采用生态学试验方法,对鳜池塘和大棚养殖模式的水质变化规律进行了调查分析,同时采用不同微生态制剂商品(光合细菌、枯草芽孢杆菌、乳酸菌)对鳜养殖水体水质调节效果进行了研究。结果显示,整个鳜养殖周期(苗种至商品鱼),大棚养殖模式水体温度、溶氧、pH值与池塘养殖模式无明显区别;大棚养殖模式三氮(铵态氮、硝态氮、亚硝态氮)变化规律与池塘养殖模式大致相同,但大部分时间前者水体含量较高;大棚养殖模式水体总磷含量高于池塘养殖模式,且总磷最高值出现时间较池塘养殖模式推迟了近1个月。光合细菌对鳜养殖水体氨氮、亚硝态氮以及总氮整体调控效果最佳;枯草芽孢杆菌对降低硝态氮和亚硝态氮有良好的效果;乳酸菌对养殖后期降低水体pH值有一定的作用。结论:相对于鳜池塘养殖模式,大棚养殖模式氮磷物质循环转化效率较低,合理搭配使用微生物制剂调节水质养殖效果更佳,同时需注意不良天气对微生态制剂使用效果的影响。  相似文献   

5.
为比较单养、混养草鱼(Ctenopharyngodon idella)养殖池塘的水质与生物组成特点,采取水质分析、环境DNA与传统鉴别方法对草鱼单养、混养(80:20)两类池塘的水质变化、浮游生物、底栖生物、菌群结构进行了分析。结果表明,混养池塘的水质优于单养池塘,混养池塘水体中总氮(TN)、硝态氮(NO3--N)、氨氮(NH4+-N)、亚硝态氮(NO2--N)的浓度比单养池塘分别低10.15%、3.78%、5.07%、80.18%,总磷(TP)和活性磷(SRP)的浓度分别低27.14%和56.26%;两类池塘中浮游植物均以绿藻门(Chlorophyta)、蓝藻门(Cyanophyta)、隐藻门(Cryptophyta)为优势种,但单养池塘中的藻类密度为30×106cells/L,低于混养池塘104×106cells/L;两类池塘中的浮游动物均以轮虫和原生动物为优势种,枝角类和桡足类生物数量较少,单养池塘中浮游动物密度高于混养池塘;在底栖动物方面,单养池塘存在螺类、水蚯蚓和摇蚊幼虫,而混养池塘仅有螺类和摇蚊幼虫。在菌群组成方面,单养池塘水体中以厚壁菌门(Firmicutes)为优势类群,混养池塘水体中以变形菌门(Proteobacteria)为优势类群;但在两类池塘底泥中,均以变形菌门为优势类群。以上结果表明,草鱼混养有利于改善养殖池塘水质,增加浮游植物丰富度,改变养殖水体菌群的结构。本研究为优化草鱼池塘养殖结构,改善水质,构建高效池塘养殖模式提供了依据。  相似文献   

6.
为了解亚硝酸盐氮长期胁迫下尼罗罗非鱼(Oreochromis niloticus)生理功能变化,实验设置不同浓度亚硝酸盐氮(空白对照、0.03 mmol/L、0.06 mmol/L、0.12 mmol/L、0.23 mmol/L),研究亚硝酸盐氮21 d胁迫对尼罗罗非鱼幼鱼血液和肝脏组织的生理生化、代谢功能和非特异性免疫的影响。结果表明,随着亚硝酸盐氮的浓度的提高,尼罗罗非鱼幼鱼血液中白细胞数呈现略微上升的趋势,而红细胞数和血红蛋白浓度均呈现显著下降的趋势(P<0.05);幼鱼血清中,葡萄糖、谷丙转氨酶、谷草转氨酶和K+随着亚硝酸盐氮的增加浓度显著提高(P<0.05),与此同时甘油三酯、总胆固醇、总蛋白、Na+和Cl-浓度、超氧化物歧化酶、碱性磷酸酶、溶菌酶和免疫球蛋白浓度以及亚硝酸盐氮浓度表现出负相关的下降趋势(P<0.05);肝脏组织中非特异性免疫因子HSP70IL-1βIL6TNF-α随着亚硝酸盐氮的浓度增加表达量显著上升(P<0.05),而LYS因子表达量则与之相反。研究表明,0.06~0.23 mmol/L亚硝酸盐氮长期胁迫下可导致罗非鱼幼鱼血液生理、代谢和免疫产生功能障碍,并影响肝组织的非特异性免疫基因表达。本研究结果有助于进一步了解亚硝酸根离子在罗非鱼体内的毒性机制,为建立罗非鱼养殖水质亚硝酸盐氮因子的安全阈值提供参考。  相似文献   

7.
淡水养殖水体氨氮积累危害及生物控制的研究现状   总被引:4,自引:1,他引:3  
随着淡水养殖集约化规模的扩大,水体氨态氮及亚硝态氮的控制成为水质控制的关键。本文由水体的氮循环过程浅析了养殖水体氨氮积累的成因及危害,综述了淡水养殖中利用生物方法降低水体氨氮的研究及应用现状。  相似文献   

8.
凡纳滨对虾养殖塘叶绿素a与水质因子的多元回归分析   总被引:3,自引:0,他引:3  
2009年4-9月期间,对上海市奉贤区某凡纳滨对虾养殖场22个养殖池塘水体叶绿素a、水温、pH、溶解氧、透明度、悬浮物(SS)、总有机碳(TOC)、五日生化需氧量(BOD5)、高锰酸盐指数(CODMn)等15项水质因子进行测定。取164组测定数据,进行描述性统计,分析叶绿素a与各项因子的相关性系数。分析结果显示,与叶绿素a呈极显著线性正相关的水质因子为SS、TOC、BOD5、CODMn、TN、TP;呈显著正相关的为DO;而叶绿素a与透明度呈极显著线性负相关,与PO3-4-P呈显著线性负相关;与水温、pH、NO-2-N、 NO-3-N、NH3-N则未呈现显著相关性。根据多元线性回归选择自变量的原则,选择了TOC、TN、PO3-4-P和TP4项水质因子,建立了叶绿素a与4项水质因子的逐步回归模型:Chl.a =-0.054 5+0.0034 9 TOC+0.015 3 TN-0.418 PO3-4-P+0.276 TP(r=0.715 5)。利用偏回归系数检验各水质因子对叶绿素a的影响,结果表明,对叶绿素a影响从大到小依次是TP、TOC、PO3-4-P和TN。研究结果对进一步探讨养殖池塘生态系统的变化规律及水环境质量保护提供了依据。  相似文献   

9.
厌氧氨氧化和反硝化作用是底泥生物脱氮的主要过程,碳源是调控厌氧氨氧化和反硝化作用的关键因子。本研究以褐煤为对象,对褐煤的静态碳释情况及其对池塘底泥中脱氮作用的影响进行了研究。结果显示,褐煤在室温条件下的碳释放规律符合二级动力学方程,具备作为反硝化碳源的可行性;在脱氮实验中,发现褐煤对底泥上覆水体中的亚硝酸盐氮(NNO2--N)的去除具有促进作用,NNO2--N的去除率随褐煤浓度的增加而升高,当褐煤质量浓度为40 g/L时,N\${\rm{O}}_2^ - $\-N去除率最高达99.61%,此时硝酸盐氮(NO3--N)的浓度也最低;同时发现,水体中氨氮(NH4+-N)氧化的最适褐煤质量浓度为10 g/L,其去除率达99.39%;对底泥中的厌氧氨氧化菌群进行Illumina高通量测序发现,其中浮霉菌门占比最大(39.6%~71.8%),优势菌属为Candidatus Brocadia (13.9%~35.8%)和Desulfovibrio (17.1%~34.8%),添加褐煤组Candidatus Scalindua菌属比例高于未添加组;荧光定量PCR得出,随着褐煤质量浓度升高,底泥中的反硝化菌丰度呈增长趋势,而厌氧氨氧化菌丰度则低于无褐煤添加组,表明添加褐煤对底泥反硝化有促进作用,而对厌氧氨氧化有一定的抑制作用。研究表明,褐煤具备作为反硝化碳源的条件,可用于池塘养殖底泥脱氮作用。  相似文献   

10.
李忠帅  马甡  单洪伟  王腾  肖威 《水产学报》2021,45(11):1825-1834
为探究亚硝态氮胁迫下凡纳滨对虾[体长为(6.8±0.3) cm,体质量为(4.0±0.6) g]体内亚硝态氮的时空分布与能量代谢相关酶活性的响应,实验设置0(对照组)、0.8、4.0和8.0 mmol/L 4个处理组,进行持续96 h的亚硝态氮胁迫实验和12 h的恢复实验。结果显示,凡纳滨对虾死亡率与胁迫浓度呈现显著的正相关性。胁迫6 h内,亚硝态氮在凡纳滨对虾鳃、血淋巴、肠道、肝胰腺和肌肉组织中明显积累,且积累量与胁迫浓度呈现正相关。相同胁迫浓度组,亚硝态氮在对虾鳃中积累最多,肌肉中最少,鳃中的积累量约为肌肉的3倍。Na~+-K~+-ATP酶活性在0.8和4.0 mmol/L组对虾肝胰腺和肌肉中显著升高,而在8.0 mmol/L组的肌肉中显著降低。胁迫各组对虾肝胰腺AMPK活性显著上升,且与胁迫浓度呈现正相关性。恢复期间,除血淋巴(8.0 mmol/L组)外,各组织中亚硝态氮1 h恢复效率均超过50%,且肝胰腺和鳃的恢复效率最高,达到74%以上。血淋巴、鳃、肠道中亚硝态氮恢复到对照组水平的时间最短,均在6 h以内,而水体中亚硝态氮含量显著升高。以上研究表明,胁迫下亚硝态氮会在对虾组织中迅速积累,并引起能量代谢进程的加快;胁迫解除后,积累在体内的亚硝态氮能够迅速排出体外,以减轻毒性影响。本研究结果将为缓解亚硝态氮对养殖对虾毒性效应的研究提供参考。  相似文献   

11.
一株高效脱氮菌株的分离鉴定及应用潜力分析   总被引:1,自引:1,他引:0       下载免费PDF全文
为了获得对虾养殖池塘中高效去除亚硝态氮和氨氮的菌株,采用富集培养分离的方法,从养殖水体中筛选得到1株去除亚硝态氮和氨氮的菌株,培养24 h后的去除率分别为96.17%和88.27%,编号为O-11。基于形态学、分子生物学及生理生化鉴定结果,明确了该菌株基本生物学特征以及可能的分类地位。分离菌株在20~30℃时有利于亚硝态氮的去除,而温度为20~35℃时对氨氮的去除效果较好;分离菌株在盐度小于30的环境中对亚硝态氮的去除能力受盐度变化的影响不大;在碱性环境中分离菌株对氨氮的去除能力较高。安全性检验可知,在菌浓度为10~5~10~8 cfu/mL的菌株O-11对凡纳滨对虾(Litopenaeus vannamei)是安全的,且在菌浓度为10~5 cfu/mL时能显著提高对虾的存活率,促进对虾生长。这说明,分离菌株O-11在水产养殖水体中有害氮脱除方面具有潜在的应用价值。  相似文献   

12.
基于模糊神经网络的池塘溶解氧预测模型   总被引:5,自引:0,他引:5  
郭连喜  邓长辉 《水产学报》2006,30(2):225-229
在分析了池塘溶解氧影响因素的基础上,利用模糊神经网络良好的非线性逼近能力建立了池塘溶解氧的模糊神经网络预测模型。神经网络模型如采用常规的BP或其它梯度算法,常导致训练时间较长且易陷入局部极小点,本实验采用快速的粒子群优化算法对模糊神经网络进行训练,收敛速度明显加快。实验结果表明采用该方法预报溶解氧的预测精度较常规BP递推算法的预测精度明显提高,所采用的模型能对溶解氧进行可靠的预测,该方法为研制开发智能水质检测仪以及工厂化养殖工作奠定了基础,对实际生产具有一定的指导意义。  相似文献   

13.
针对养殖水质、水温及p H预测准确性低的问题,提出了一种基于粒子群优化BP神经网络的养殖水质参数预测方法。首先应用粒子群算法优化得出BP神经网络的初始权值和阈值,然后对得到的数据进行预处理,修复异常数据信息,再以当前时间的多个水质参数作为输入,下个时间点的水温、p H作为输出,建立养殖水质预测模型,最后利用采集的水质数据在BP神经网络中进行训练,并通过实验检验水质预测模型的可行性和预测性能。与支持向量回归(SVR)和传统BP神经网络相比,基于粒子群优化的BP神经网络在预测水温方面,均方根误差(RMSE)下降幅度分别为64.4%和86.7%;在预测p H方面,RMSE下降幅度分别为11.1%和78.9%。研究表明,基于粒子群优化的BP神经网络养殖水质预测模型具有灵活简便、预测精度高、易于实现的特点,同时具有很好的预测能力。  相似文献   

14.
BP神经网络模型在水环境质量综合评价应用中的一些问题   总被引:11,自引:1,他引:10  
楼文高 《水产学报》2002,26(1):90-96
BP神经网络是采用误差反向传播算法对网络权值进行训练的多层前向神经网络,以其优良的非线性逼近能力,获得广泛应用,建立的神经网络模型具有优异性能的必要条件是神经网络结构及其参数的合理选取,具有足够多和代表性,典型性好的训练样本,训练时求得全局最小点和不出现“过学习”或“过拟合”等,本文根据近几年BP神经网络建模理论研究的最新成果,研究发现目前在建立水环境质量综合评价BP神经网络模型时存在的几个主要问题:(1)训练样本太小;(2)没有检验样本和测试样本;(3)神经网络结构太大等,从而极有可能造成在训练神经网络模型时再现“过拟合”或“过学习”现象,使建立的模型泛化能力较差或根本没有,在研究近年提出的应用BP神经网络方法建模的必备条件的基础上,对目前应用人工神经网络进行水环境质量综合评价的研究成果的分析表明,绝大多数水环境质量BP神经网络评价模型是在满足建模条件的情况下建立的,计算实例表明,在不满足建模条件下建立的神经网络模型泛化能力和预测能力较差,极有可能出现多模式现象,没有实用价值。  相似文献   

15.
Using different sources of nitrogen as fertilizers in nursery ponds may affect water quality and plankton responses. We evaluated water quality variables and plankton population responses when using different nitrogen sources for catfish nursery pond fertilization. We compared calcium nitrate (12% N), sodium nitrite (20% N), ammonium chloride (26% N), ammonium nitrate (34% N) and urea (45% N) in 190‐L microcosms at equimolar nitrogen application rates. Sodium nitrite‐fertilized microcosms had higher nitrite and nitrate levels during the first week; no other differences in the water quality were detected among fertilizer types (P>0.05). No differences in green algae, diatoms or cyanobacteria were detected among treatments; desirable zooplankton for catfish culture was increased in urea‐fertilized microcosms. Based on these results, any form of nitrogen used for pond fertilization should perform similarly without causing substantial water quality deterioration. Ammonium nitrate and urea contain a higher percentage of nitrogen, requiring less volume to achieve dosing levels. If both urea and ammonium nitrate are available, we recommend using the one with the least cost per unit of nitrogen. If both types of fertilizer have an equal cost per unit of nitrogen, we recommend using urea because of the potential advantage of increasing desirable zooplankton concentrations.  相似文献   

16.
王骥  谢再秘  莫春梅 《水产学报》2023,47(8):089502-089502
目前神经网络研究文献成果较多,虽然在水质精准预测方面起到了一定的参考,但由于文献缺少科学分类,使用率不高,导致学者难以找到研究切入点。针对这一问题,本文将神经网络方法在养殖区水质精准预测方面的文献按照海水和淡水两大领域进行分类,主要对每个领域所应用的预测模型从正反馈架构、循环架构和混合架构三个方向对海水时空序列文献进行分类研究和综述,发现混合架构模型的预测性能优于正反馈模型和循环架构模型,有利于提升不同深度水质预测模型的精度。另外,本文对基于神经网络方法的三维水质预测模型进行了初步探讨,发现学者的研究成果更多地集中在水表层和水中层的不同位置水质参数的变化方面,而神经网络方法对水表层水质预测精度比水中层和水深层水质预测精度高。  相似文献   

17.
于高温多雨季节对广东省清远市鳜(Siniperca chuatsi)养殖基地的6个鳜及饵料鱼养殖池塘发病、用药情况及水质进行调查分析。结果表明,单独施用抑菌类药物,鳜出血病容易复发,而同时施用增强动物免疫力与减少应激行为药物及抑菌类药物,鳜出血病不易复发。鳜及饵料鱼塘发病期间,水中氨氮(NH4+-N)质量浓度始终高于1.0 mg.L-1,亚硝酸盐氮(NO2--N)质量浓度高于0.18 mg.L-1,氮磷比(N/P)也有偏高的情况发生,而所调查的6个池塘硝酸盐氮(NO3--N)质量浓度均随养殖时间延长而逐渐下降。NH4+-N与NO2--N质量浓度过高可能预示鳜的细菌性疾病即将发生。可按实际情况种植浮萍等植物吸收过量NH4+-N;开增氧机保持水中高溶解氧(DO)以降低NO2--N质量浓度或投放减少动物应激行为的药物。N/P过高可适当释放磷肥以调节水质。  相似文献   

18.
One of the main problems in the management of fishfarms with water recirculating system is the forecasting and control of ammonia concentration in order to minimise the fish stress status. This paper examines methodologies of prediction in a real-time environment for an eel intensive rearing system. Approaches based on linear multiple regression, univariate time series models (exponential smoothing and autoregressive integrated moving average (ARIMA) models) and computational neural networks (ANNs) are developed to predict the daily average ammonia concentration in rearing tanks with water recirculating. The models are established using actual data from an eel fishfarm in southern Spain. The input variables used in the models (multiple regression, Holt smoothing model, ARIMA models and ANN models) are the ammonia concentration of previous days. In ANN models, the training method used is a standard back-propagation variation known as extended-delta-bar-delta (EDBD). Different neural architectures, whose learning is carried out by crossvalidation and controlling several threshold determination coefficients, are compared. Globally, the nonlinear ANN model approach is shown to provide a better prediction of daily average ammonia concentration than linear multiple regression and univariate time series analysis when the correlation between data series is low and when the models were obligated to predict in a situation for which specifically had not been calibrated. The best results were obtained by 5:10s:15s:1l ANN model in the pre-growth series.  相似文献   

19.
滇池草海水质等级预测模型研究   总被引:1,自引:0,他引:1  
综合考虑影响水质的不同类别因子之间的关系,为水质等级预测提供平均预测精度更高的模型。选取的p H、DO、CODMn、NH3-N、历史水质等级5个水质因子数据来源于中国环境保护部官方发布的水质数据,降雨量、光照时间2个气象因子数据来源于云南省气象局官方发布的气象数据。首先利用改进的灰色模型(Adaptive Grey Model,AGM)进行单因子预测,从而获取BP人工神经网络(BP Artificial Neural Network,BPANN)训练集和水质等级残差序列;然后使用经过训练集训练后的BPANN进行水质等级残差纠正;最后利用AGM模型得到未来水质等级,以滇池草海2006-2013年水质周报资料和气象资料为数据基础进行了仿真分析和验证实验。结果表明:(1)AGM模型对水体因子和气象因子的单项指标预测理想,保证了作用于BP人工神经网络数据的可靠性,同时降低了预测误差的传输;(2)来源于中国环境保护部与云南省气象局的数据保证了水质等级预测中数据的权威性,采用AGM-BPANN组合模型预测滇池草海水质等级精度达到90.2%,说明模型适用于同一地区短时间内的水质变化研究;(3)AGM-BPANN组合模型借助BP网络的高维非线性克服了数据突变对预测的影响,在AGM预测基础上,通过纠正预测残差获得最终的水质等级值,实现了对滇池草海短时间内水质的预测。  相似文献   

20.
Biological nitrogen removal technology using microbe is an efficient process for nitrogen removal from aquatic water. To determine the key of efficient application on how the effect of probiotics lasting, a nitrite nitrogen (nitrite‐N) degrading 8DO17 strain Pseudomonas was screened and a method for quantification was explored. Real‐time qPCR assays based on the 16S rRNA genes (16S rDNA) were used to quantify the probiotics. The results showed that (i) the nitrite‐N degradation rate of the 8DO17 strain was 99%; (ii) a wide spectrum of pH (7.0–9.0) and concentration of nitrite‐N (0.5–10 mg L?1) and the highest rate of nitrite‐N degradation near to 100% under optimum conditions (35°C, salinity 30, pH 7.5) was explored; (iii) no significant differences were found in the survival, total haemocyte count, antibacterial activities and bacteriolytic activity of the shrimp between the treatments and the control (P > 0.05); (iv) for the use of real‐time PCR based on 16S rDNA test, detection limit is 103 DNA copies and an excellent correlation coefficients (R² = 0.999) was obtained; and (v) in the application of real‐time PCR assay in four nitrite‐N degrading samples, highly significant positive correlation relation (P < 0.01) was found between log copy number of 16S rDNA and the rate of nitrite‐N degradation. The results suggest the real‐time PCR is a very rapid and sensitive technique for monitoring the dynamic changes and assessing the effect in practical application of the 8DO17 strain in aquatic water.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号