高脂饮食大鼠肾脏HMGCS2表达及调控研究

目的 探讨高脂饮食大鼠肾脏3-羟基-3甲基戊二酰辅酶A合成酶2（HMGCS2）表达及可能调控机制。方法 断乳Wistar 雄性大鼠27只分为3组：正常对照组（CON）、高脂组（HFG）、绿茶多酚（green tea polyphenols,GTPs）组（G）。CON组大鼠喂养普通饲料,HFG组及GTPs组给予高脂饲料,GTPs组同时自由摄食绿茶多酚浓度为1.6g/L水溶液。26周后测定空腹血糖（FPG）、血清胆固醇（TC）、甘油三酯（TG）、低密度脂蛋白（LDL）、高密度脂蛋白（HDL）。免疫印迹法测定肾脏HMGCS2和Sirt3蛋白表达水平。结果 与CON组比较,HFG组大鼠体重和脂肪系数升高,血清FPG、TC、TG、LDL-C/HDLC均升高,差异有统计学意义（P<0.05）;与HFG组比较,GTPs降低大鼠体重和脂肪系数,差异有统计学意义（P<0.05）,GTPs组血清FPG、TC、TG、LDL-C/HDLC均不同程度降低,差异有统计学意义（P<0.05）。与CON组比较,肾脏组织HMGCS2的表达降低,差异有统计学意义（P<0.05）;与HFG组比较,GTPs组增加肾脏HMGCS2的表达,差异有统计学意义（P<0.05）。高脂饮食、正常饮食和GTPs干预后,大鼠肾脏组织Sirt3蛋白表达差异无统计学意义。结论 高脂饮食可降低肾脏组织HMGCS2表达,绿茶多酚可逆转此效应;高脂饮食及绿茶多酚对肾脏组织HMGCS2表达的调控不经Sirt3途径。     

A method to obtain soil-moisture estimates over bare agricultural fields in arid areas by using multi-angle RADARSAT-2 data

Soil moisture is an important parameter for agriculture, meteorological, and hydrological studies. This paper focuses on soil-moisture estimation methodology based on the multi-angle high-and low-incidence-angle mode RADARSAT-2 data obtained over bare agricultural fields in an arid area. Backscattering of the high-and low-incidence angles is simulated by using AIEM(advanced integral equation model), with the surface-roughness estimation model built based on the simulated data. Combining the surface-roughness estimation model with the backscattering model of the low-incidence-angle mode, a soil-moisture estimation method is put forward. First, the natural logarithm(ln) of soil moisture was obtained and then the soil moisture calculated. Soil moisture of the study area in Dunhuang, Gansu Province, was obtained based on this method; a good agreement was observed between the estimated and measured soil moisture. The coefficient of determination was 0.85, and the estimation precision reached 4.02% in root mean square error(RMSE). The results illustrate the high potential of the approach developed and RADARSAT-2 data to monitor soil moisture.     

结合被动微波和光学遥感的“超级寒潮”广东 地表温度特征及其对马铃薯生长的影响

利用被动微波可穿透云层的优势,基于GCOM-W1/AMSR2（Global Change Observation Mission-Water/ Advanced Microwave Scanning Radiometer 2）星载被动微波传感器的多通道亮度温度数据,反演了2016年1月下旬“超级寒潮”过程的广东省每日地表温度,分析了寒潮过程中广东省地表温度的时空变化特征。结果表明：在寒潮前后,广东省地表温度呈现出明显的先下降而后上升的趋势,寒潮过程带来的地表最低温度在广东北部大部分地区达到了277 K（4℃）,西南大部分地区为280~282 K（7~9℃）,其余大部分地区278~279 K（5~6℃）;降温幅度在广东南部地区达到了8~12 K（8~12℃）,北部大部分地区为5~7 K（5~7℃）。此外,利用归一化植被指数（NDVI）对植被生长的指示作用,基于HJ-1 A/B卫星的CCD传感器的多通道反射率数据,计算了近3年冬季广东省典型马铃薯种植区域马铃薯叶片的NDVI值,结果表明：马铃薯叶片的NDVI值在此次寒潮过程后出现了明显的下降,大部分地区（55.4%）马铃薯NDVI降低了0.1~0.2,部分地区（17.2%）马铃薯NDVI下降了0.2~0.3;进一步对比此次“超级寒潮”后同时段的前2年数据,发现寒潮后马铃薯叶片NDVI相对于正常年份也低了0.2,表明马铃薯叶片NDVI下降的主要原因是寒潮带来的低温,而不只是马铃薯的正常老化现象。NDVI的降低表明大部分地区马铃薯生长受到了抑制,马铃薯生长状况的这一变化也通过现场调查得到了证实。     

中国交通CO2排放时空格局演变及其影响因素——基于2000~2012年30个省（市）面板数据的分析

通过构建交通CO₂排放模型对2000~2012年中国30个省（市）的交通CO₂排放时空演变特征进行了分析。并采取“由大到小”逐步回归的建模方式,在传统的固定效应模型（面板数据模型）基础上引入时间固定效应,构建了双向固定效应模型对中国交通CO₂排放的社会经济、城市形态、交通发展等方面的影响因素进行研究。结果表明：2000~2012年期间,中国交通CO₂排放总量和人均交通CO₂排放量分别以9.29%和8.69%的年均增速增长,前者的区域差异呈先增后减趋势,后者的区域差异则首先呈周期性波动,而后一直保持减少趋势。人均GDP和城镇居民家庭人均可支配收入对人均交通CO₂排放具有显著的正向效应,表明社会经济发展和居民收入水平提高是交通CO₂排放增长的主要驱动因素。城市人口密度对交通CO₂排放亦具有显著的正向效应,这意味着未来中国应加强对城市人口密度的规划控制,以避免因人口过度集聚而额外增加产生交通CO₂排放。公共交通发展水平对交通CO₂排放增长具有显著的负向效应,但小汽车拥有率对交通CO₂排放的影响并不显著。     

大风山天青石矿深加工路径的机理剖析

本研究在掌握大风山天青石矿特性的基础上,对其深加工路径的选择和机理进行了分析,提出了火法-湿法联合冶金制备氢氧化锶的新工艺,并通过实验进行了验证。实验结果表明：通过集成“转底炉高效还原天青石、高压釜浸取耦合分离单质硫、重结晶提纯氢氧化锶”等技术能够实现天青石至氢氧化锶的高效、高纯、零污染生产,SrSO4到SrS的转化率能够达到95%以上,氢氧化锶纯度达99.5％以上,氢氧化锶的综合产率达到90％以上。本研究为合理高效地利用大风山天青石资源生产氢氧化锶奠定理论基础和技术依据。     

大气CO2浓度升高对土壤中不同粒级碳的影响

不同粒级土壤中的碳有着不同的周转规律，在高CO2浓度条件下，它们含量的变化将在一定程度上反映土壤碳是累积还是减少，对明确土壤碳的变化趋势有重要意义．采用田间培养试验初步模拟研究在高CO2浓度条件下土壤不同粒级碳的分布．结果表明，加入秸秆培养1年，由于CO2浓度升高的原因导致在低氮（LN）、常规氮（NN）和高氮（HN）水平下土壤中碳分别增加0．01、1．10、1．22g／kg，表现为粒级〈53μm土壤颗粒中碳分别增加1．53、2．19、2．70g／kg．粒级〈53μmm土壤颗粒碳量的增加，主要是由于其重量分配百分数显著增加36．2％，碳浓度增加5．4％；粒级〉250μm和250～53μm土壤颗粒部分虽然其碳浓度分别增加20．8％和17．3％（P〈0．05），怛由于重量分配百分数分别显著降低22．8％和36．1％，结果碳量降低．试验表明高CO2浓度导致不同粒级土壤的分配及碳浓度的变化；高氮施肥水平下有增加土壤碳量特别是小粒级土壤碳量的趋势．     

热分解法测定水盐体系中硝酸铵和水含量研究

针对复杂硝酸铵水盐体系溶解度的测定,传统分析方法操作步骤繁琐,且试剂较贵,引入一种简单准确的分析方法,即热分解法,对LiNO3-KNO3-NH4NO3-H2O体系和NaNO3-KNO3-NH4NO3-H2O体系中硝酸铵和水的含量进行精确分析。结果表明,热分解温度控制在230～240℃,若控制样品质量为1.5 g,分解时间不低于36 h,能将LiNO3-KNO3-NH4NO3-H2O体系中的硝酸铵和水彻底分解,且随着样品中硝酸铵含量增加,热分解时间也将延长,分析相对误差能控制在0.2%以内。针对复杂NaNO3-KNO3-NH4NO3-H2O体系,热分解温度控制在230～255℃,若控制样品质量为1.5 g,分解时间不少于44 h,且随着样品中硝酸铵含量的增加,相应延长热分解时间,能将复杂NaNO3-KNO3-NH4NO3-H2O体系中的硝酸铵和水彻底分解,分析相对误差能控制在0.2%以内。