排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
Harmful cyanobacterial blooms, especially Microcystis blooms, occur worldwide and draw widespread attention. The dynamics of microcystin-producing Microcystis and competition between microcystin-producing Microcystis and non-microcystin-producing Microcystis are key to predicting and treating Microcystis blooms. Multiplex qPCR is a useful tool to assess such issues. In this study, we developed multiplex qPCR methods with newly-designed probes and primers for the microcystin-synthesis related genes mcyA and mcyE. We used seven toxic Microcystis strains and four non-toxic Microcystis strains to compare the differences in the ratios of toxic and non-toxic Microcystis in mixed cultures, which were calculated using abundances of the genes mcyA, mcyB, mcyD, mcy E and phycocyanin( PC). We also compared traditional cell counting and multiplex qPCR. Hierarchical clustering and principal component analysis indicated that mcyD was the most suitable mcy gene for quantification in laboratory experiments. mcyB abundances were always higher; we suggest that the amount of toxic Microcystis measured using mcyB might overestimate the actual percentages. 相似文献
2.
三峡水库在不同水位调控期支流回水区末端水深变化幅度较大,加之复杂水动力变化产生的生境异质性,塑造出有别于浅水湖泊的水华暴发特征.本研究基于库区4条支流——香溪河、澎溪河、大宁河及草堂河部署的自动监测数据,利用小波变换(WT)和长短期记忆网络(LSTM)构建藻类时序变化预测模型,并探讨神经网络层数、每层隐藏神经元数、时间步长数等关键参数的最优组合.结果表明:WT-LSTM模型可有效预测在线获取的叶绿素a浓度变化,模型在4条支流的均方根误差(RMSE)为0.049～0.221μg/L,平均相对误差(MRE)为0.43%～1.12%;预测结果揭示深度神经网络方法可有效地提取在线藻类时序数据特征,而相较于深度置信网络(DBN),LSTM在4条支流叶绿素a预测的平均RMSE和MRE分别降低了9.20%和3.06%;在线监测数据的小波降噪并未影响叶绿素a的变化趋势,且WT-LSTM模型对叶绿素a预测效果显著提升于WT-DBN,平均RMSE和MRE分别降低了51.72%和59.24%;通过设置不同时间步长的预测实验,证实24 h内模型精度会随着预测步长的增加而降低,但模型平均相对误差可保持在13%以内,且对区间内叶绿素a极大值的预测精度要优于其平均值.本研究为水华预测上耦合在线监测与深度学习提供了研究范例,通过4个站点数据的交叉验证实验,亦证实具有统计学关联性的不同空间数据合并后可延展时序模型的学习样本,增强模型在实际应用中的稳健性. 相似文献
3.
水华的频发已成为当前三峡水库最为突出的生态环境问题之一。尽管水动力调控叠加上温度变暖和营养负荷增加会诱导水华暴发强度和频率增加,但仍缺乏有效的方法框架去利用野外观测数据评估环境因子与浮游植物间的因果关联。本研究以三峡水库澎溪河监测数据为例,采用非线性时序分析的建模框架来量化浮游植物的因果响应规律。数据来自于2007年6月至2018年9月澎溪河流域的高阳平湖和汉丰湖两个观测点,其中包含了水文、气象和水质及叶绿素a等11种变量。首先,利用奇异谱分析(SSA)分离了叶绿素a和环境因子的低维确定性动力学信号;其次,采用收敛交叉映射(CCM)方法检验了叶绿素a与环境因子间的因果关联。结果显示:(1)气象因子、支流流量、水温、三峡大坝水位和上游调节坝水位是影响高阳平湖叶绿素a时序变化的重要因素;(2)总氮、总磷为代表的营养盐只在汉丰湖观测点中表现出与叶绿素a的因果关系,且总氮较之于总磷对叶绿素a变化影响更为显著;(3)CCM结果与传统的皮尔森相关性分析及格兰杰因果检验比较,证实非线性时序分析方法在分析浮游植物的因果响应上更具优势。本研究为水生态系统的因果建模提供了研究范例,也为推动利用长期观测数据... 相似文献
1