一种基于蚯蚓学习行为的神经毒性实验方法研究

土壤生物的学习行为是一种综合性的神经高级活动,对土壤中的神经毒性污染物生态风险监测具有重要价值。本研究设计了一套试验装置,基于蚯蚓对白光刺激的厌恶本性,通过振动-白光配对刺激,对蚯蚓进行学习训练,使蚯蚓领会借助加速移动阻止白光刺激的策略,通过蚯蚓到达移动位移阈值的时间测定,对蚯蚓的学习行为进行测试,建立了蚯蚓的学习行为测试方法。采用建立的测试方法,对土壤中东莨菪碱和毒死蜱诱导下蚯蚓的学习行为进行了测试,结果表明,1~3 mg·kg^(-1)东莨菪碱与4~12 mg·kg^(-1)毒死蜱污染处理均对蚯蚓的学习能力造成了损伤,污染浓度越高,蚯蚓的学习能力损伤越严重。该测试方法可以快速有效地检测土壤污染导致的蚯蚓学习行为变化,有望用于低浓度神经毒性农药污染土壤的神经毒性快速诊断。

语言的移用现象

近十几年来,随着现代科技的迅猛发展,改革开放的深入,学科之间的词语移用,越来越普遍了。这种情况,文科移用理科的语言,表现得尤为突出。

不同污染方式进入土壤的氯氰菊酯在蚯蚓体内的蓄积特征及其生长毒性

农药污染严重威胁我国的土壤生态系统安全。选择我国应用较广的氯氰菊酯为代表性农药污染物,采用一次和叠加的污染方式模拟氯氰菊酯进入土壤并逐渐累积的过程,以云南耕地常见的蚯蚓优势种——皮质远盲蚓(Amynthas corticis)为实验生物,研究了氯氰菊酯在土壤中的降解变化,以及蚯蚓对不同污染方式进入土壤的氯氰菊酯吸收蓄积的累积特征和生长毒性响应。结果显示,不同污染方式进入土壤的氯氰菊酯,在土壤中的降解均符合一级动力学特征c=c 0 e-kt,以一次污染方式进入土壤的氯氰菊酯降解半衰期为27.7~28.9 d;以叠加污染方式进入土壤的氯氰菊酯降解半衰期为25.7~26.6 d。氯氰菊酯浓度为4~6 mg·kg^(-1),暴露55 d时,蚯蚓对以一次污染方式进入土壤的氯氰菊酯蓄积量为0.34~0.73 mg·kg^(-1),生物-土壤蓄积因子(F BSA)为0.85~1.05;蚯蚓对以叠加污染方式进入土壤的氯氰菊酯蓄积量为0.86~1.51 mg·kg^(-1),F BSA为1.16~1.42。与一次污染方式比较,以叠加污染方式进入土壤的氯氰菊酯,更有利于蚯蚓对其进行生物富集,从而表现出较强的生长毒性。研究结果可为土壤农药叠加污染累积的生态风险防治提供基础数据和理论依据。

谈信息技术与初中数学的有效整合

随着教育信息化的深入,信息技术与初中数学的整合教学慢慢地进入了课堂,一些数学教师在信息技术与数学教学的整合实践中,遇到了许多新情况、新问题.在新课程背景下,怎样才能使信息技术与数学教学的整合取得更好的效果,这是值得我们数学教师深入思考和研究的新课题.本文就信息技术与初中数学教学的有效整合的理论与实践进行了一些初步的有益的探索.

浅说“类比”

何谓类比?简单地说,就是两个具有某些相同或相似特点的事物互相比较,推出与之相似的特性。如果要论证某种事物的性质,就拿另一种已知的同类或有相似点的异类事物跟它进行比较,根据已知事物的一些性质,类推出要证明事物也同样具有这些性质。

同一语段的岐义探讨

人类的语言是人类社会的交际工具。在交际中,把话讲清楚,说明白,是最基本的要求;如果语言表达不清,就失去了交际的目的。同一语段的歧义,就是表达不清的一个具体例子。所谓语段的歧义,则是一个语言的片断,或者是一句话,几句话,或者是一个短语等,由于某种原因,没有把它的内涵准确地表达出来,表达清楚。

聚焦倍角及n等分角的范围

三角函数是高考的重要内容之一，而三角函数的考查常常离不开角的范围和象限的确定，有的同学常会因范围考虑不全或象限确定错误而导致错误．下面我们就从一个问题串出发来探究一下倍角、n等分角的范围和象限的问题，供同学们参考．

视图与投影重点突破

视图与投影在中考中所占的比重不是太大，仅占3％～5％，试题主要以选择题和填空题的方式呈现，题目普遍比较容易．

不同污染条件下毒死蜱在蚯蚓体内的蓄积特征及其生长影响

以皮质远盲蚓(Amynthas corticis)为试验生物,采用一次、叠加的污染方式,研究了毒死蜱在土壤中的残留、蚯蚓体内的累积特征及对蚯蚓生长的影响。结果显示:相同实验浓度条件下,以叠加污染方式进入土壤的毒死蜱残留量低于一次污染方式的残留量。当土壤毒死蜱浓度为12~20 mg kg^(-1),暴露55 d时,一次污染条件下,蚯蚓体内毒死蜱蓄积量为3.73~8.84 mg kg^(-1),生物-土壤蓄积因子(FBSA)为1.55~1.70;叠加污染条件下,蚯蚓毒死蜱蓄积量为5.21~11.04 mg kg^(-1),FBSA为2.22~2.46。相同实验浓度条件下,叠加污染方式进入土壤的毒死蜱对蚯蚓的生长抑制显著高于一次污染处理组。该研究结果可为土壤毒死蜱生物毒性和生态风险评价提供基础数据。