CN116735839B - 量化碳质量和可利用性调控土壤有机碳矿化温度敏感性的方法 - Google Patents
量化碳质量和可利用性调控土壤有机碳矿化温度敏感性的方法 Download PDFInfo
- Publication number
- CN116735839B CN116735839B CN202310711743.9A CN202310711743A CN116735839B CN 116735839 B CN116735839 B CN 116735839B CN 202310711743 A CN202310711743 A CN 202310711743A CN 116735839 B CN116735839 B CN 116735839B
- Authority
- CN
- China
- Prior art keywords
- carbon
- soil
- mineralization
- availability
- organic carbon
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 186
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 178
- 239000002689 soil Substances 0.000 title claims abstract description 94
- 230000033558 biomineral tissue development Effects 0.000 title claims abstract description 65
- 230000035945 sensitivity Effects 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000002474 experimental method Methods 0.000 claims abstract description 14
- 230000001105 regulatory effect Effects 0.000 claims abstract description 9
- 238000004088 simulation Methods 0.000 claims abstract description 5
- 230000001276 controlling effect Effects 0.000 claims abstract 3
- 230000000452 restraining effect Effects 0.000 claims abstract 2
- 238000004364 calculation method Methods 0.000 claims description 19
- 230000004913 activation Effects 0.000 claims description 15
- 230000008859 change Effects 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract 1
- 230000026676 system process Effects 0.000 abstract 1
- 238000010799 enzyme reaction rate Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000008844 regulatory mechanism Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004177 carbon cycle Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011534 incubation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N5/00—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Physics & Mathematics (AREA)
- Geology (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Remote Sensing (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了一种量化碳质量和可利用性调控土壤有机碳矿化温度敏感性的方法，属于生态系统过程与气候变化研究领域。本发明方法包括1)将土壤样品在不同温度下进行室内恒温恒湿培养实验，获取不同温度下土壤有机碳矿化数据；2)采用等碳法，计算时间序列的土壤有机碳矿化的温度敏感性数据；3)采用同时考虑碳质量和碳可利用性的模型进行温度敏感性模拟，用观测的温度敏感性数据对模型进行约束，获得模型参数。通过本发明，能够准确量化碳质量和碳可利用性在调控土壤有机碳矿化温度敏感性中的作用。
Description
技术领域
本发明属于生态系统过程与气候变化研究领域，具体涉及一种量化碳质量和可利用性调控土壤有机碳矿化温度敏感性的方法。
背景技术
土壤有机碳矿化是全球碳循环的关键组成部分。其温度敏感性Q10(即温度升高10℃时有机碳矿化的变化)决定了气候变化-土壤碳之间的反馈关系。气候变暖将增加土壤有机碳矿化，但是增加的量取决于碳矿化的温度敏感性大小。因此，准确理解影响土壤有机碳矿化温度敏感性的机制机理对于理解碳循环-气候变化反馈至关重要。碳质量温度假说认为相比于活性碳，惰性碳由于具有更高的活化能从而具有更高的温度敏感性。而米氏方程则认为温度敏感性大小受碳的可利用性调控。即，当碳可利用性受限的情况下，温度敏感性与碳可利用性呈正比。在实验观测中两种理论还存在争议，在不同的土壤中两种理论都分别被证实。
因此，亟需提供一种能够量化碳质量和可利用性在调控土壤有机碳矿化温度敏感性中的作用的新方法。
发明内容
本发明的目的在于克服现有技术中的缺陷，并提供一种量化碳质量和可利用性调控土壤有机碳矿化温度敏感性的方法。
本发明所采用的具体技术方案如下：
本发明提供了一种量化碳质量和可利用性调控土壤有机碳矿化温度敏感性的方法，具体如下：
S1：将土壤样品在两个不同温度下进行室内培养实验，获取不同温度下的土壤有机碳矿化数据；
S2：基于步骤S1获得的不同温度培养下的土壤有机碳矿化数据，采用等碳法计算时间序列的土壤有机碳矿化的温度敏感性数据，计算公式为：
式中：
Q10——土壤有机碳矿化的温度敏感性；
——低温培养时土壤有机碳矿化到特定比例的培养时间；
——高温培养时土壤有机碳矿化到特定比例的培养时间；
Tl——低培养温度(℃)；
Th——高培养温度(℃)；
S3：采用同时考虑碳质量和碳可利用性的模型进行模拟，用步骤S2观测的温度敏感性数据对模型进行约束，获得模型参数，计算公式为：
Q10＝Q10_max·f(A)·f(Q)；
式中：
Q10_max——土壤不受碳质量和可利用性限制时的最大潜在温度敏感性；
f(A)——碳可利用性限制因子；
f(Q)——碳质量限制因子；
——米氏方程中高培养温度下的半饱和常数；
——米氏方程中低培养温度下的半饱和常数；
S——米氏方程中的碳可利用性；
Ea——阿伦尼乌斯方程中土壤有机碳的活化能；
Ecri——阿伦尼乌斯方程中的有机碳的最大活化能；
R——气体常数，8.314J K-1mol-1；
S4：比较步骤S3求得的f(A)和f(Q)值大小，确定温度敏感性主要受碳可利用性调控还是主要受碳质量调控。
作为优选，所述步骤S1中，室内培养实验是在恒温恒湿条件下培养。
作为优选，所述步骤S3中，碳可利用性S采用指数方程模拟，计算公式为：
S＝S0·e-α·RF；
式中：
RF——土壤有机碳的矿化比例；
S0——培养实验开始时初始的土壤碳可利用性；
α——碳可利用性随着矿化比例的减少速率。
作为优选，所述步骤S3中，土壤有机碳的活化能Ea采用逻辑斯蒂方程模拟，计算公式为：
式中：
RF——土壤有机碳的矿化比例；
Ea_0——培养实验开始时初始土壤有机碳的活化能；
β——土壤有机碳的活化能随着矿化比例的增加速率。
作为优选，所述步骤S4中，更小的f(A)值表明温度敏感性主要受碳可利用性调控，更小的f(Q)值表明温度敏感性主要受碳质量调控。
本发明相对于现有技术而言，具有以下有益效果：
本发明能够解释土壤有机碳矿化温度敏感性的调控机制，量化碳质量和可利用性在其中的作用，该技术的广泛应用将为气候变化应对提供科学技术支撑。
附图说明
图1为实施例中温度敏感性的观测值与模拟值随土壤有机碳矿化比例的变化；
图2为实施例中限制因子有机碳可利用性f(A)和有机碳质量f(Q)随有机碳矿化比例的变化。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步阐述和说明。本发明中各个实施方式的技术特征在没有相互冲突的前提下，均可进行相应组合。
为了尽可能降低传统时间序列温度敏感性计算方法带来的碳质量和可利用性方面的不确定性，本发明提供了一种量化碳质量和可利用性调控土壤有机碳矿化温度敏感性的方法，具体是采用等碳法计算时间序列的土壤有机碳矿化温度敏感性。本发明的方法确保不同温度下有机碳矿化拥有相同的碳质量和碳可利用性。再用指数方程和逻辑斯蒂方程模拟时间动态的碳质量和碳可利用性，代入同时考虑碳质量和碳可利用性的模型中，以观测的温度敏感性数据约束模型，从而或者模型参数，计算碳质量和可利用性在调控温度敏感性中的作用。本发明的方法具体如下：
S1：将土壤样品在两个不同温度下进行室内培养实验，获取不同温度下的土壤有机碳矿化数据。
这里的土壤有机碳矿化数据主要指的是土壤有机碳矿化到特定比例的培养时间。
S2：基于步骤S1获得的不同温度(包括相比较而言下的低温和高温)培养下的土壤有机碳矿化数据，采用等碳法计算时间序列的土壤有机碳矿化的温度敏感性数据，计算公式为：
式中：
Q10——土壤有机碳矿化的温度敏感性；
——低温培养时土壤有机碳矿化到特定比例的培养时间；
——高温培养时土壤有机碳矿化到特定比例的培养时间；
Tl——低培养温度(℃)；
Th——高培养温度(℃)。
S3：采用同时考虑碳质量和碳可利用性的模型进行模拟，用步骤S2观测的温度敏感性数据对模型进行约束，获得模型参数，计算公式为：
Q10＝Q10_max·f(A)·f(Q)；
式中：
Q10_max——土壤不受碳质量和可利用性限制时的最大潜在温度敏感性；
f(A)——碳可利用性限制因子；
f(Q)——碳质量限制因子；
——米氏方程中高培养温度下的半饱和常数；
——米氏方程中低培养温度下的半饱和常数；
S——米氏方程中的碳可利用性；
Ea——阿伦尼乌斯方程中土壤有机碳的活化能；
Ecri——阿伦尼乌斯方程中的有机碳的最大活化能；
R——气体常数，8.314J K-1mol-1。
具体的，该步骤中的f(A)和f(Q)的计算公式推导过程如下：
S31：米氏方程和阿伦尼乌斯方程分别是碳可利用性和碳质量调控土壤有机碳矿化的主流模型。在特定温度下，米氏方程和阿伦尼乌斯方程的计算公式分别为：
式中：
kMM——米氏方程表述的土壤有机碳矿化速率；
kArr——阿伦尼乌斯方程表述的土壤有机碳矿化速率；
Vmax——米氏方程中某一温度下最大酶反应速率；
Km——米氏方程中的半饱和常数；
S——米氏方程中的碳可利用性；
A——阿伦尼乌斯方程中的阿伦尼乌斯常数；
Ea——阿伦尼乌斯方程中土壤有机碳的活化能；
R——气体常数(8.314J K-1mol-1)；
T——培养实验的恒定培养温度(开氏度)；
S32：计算米氏方程和阿伦尼乌斯方程的温度敏感性，计算公式为：
式中：
——米氏方程表述的土壤有机碳矿化温度敏感性；
——阿伦尼乌斯方程表述的土壤有机碳矿化温度敏感性；
——米氏方程中高培养温度下的最大酶反应速率；
——米氏方程中低培养温度下的最大酶反应速率；
——米氏方程中高培养温度下的半饱和常数；
——米氏方程中低培养温度下的半饱和常数；
S33：利用米氏方程和阿伦尼乌斯方程的最大值，将和/>归一化到0到1之间，从而获取f(A)和f(Q)，计算公式为：
式中：
Ecri——阿伦尼乌斯方程中的有机碳的最大活化能。
S4：比较步骤S3求得的f(A)和f(Q)值大小，确定温度敏感性主要受碳可利用性调控还是主要受碳质量调控。
具体的，更小的f(A)值表明温度敏感性主要受碳可利用性调控，更小的f(Q)值表明温度敏感性主要受碳质量调控。
由此可见，本发明的方法思想如下：1)将土壤样品在不同温度下进行室内恒温恒湿培养实验，获取不同温度下土壤有机碳矿化数据；2)采用等碳法，计算时间序列的土壤有机碳矿化的温度敏感性数据；3)采用同时考虑碳质量和碳可利用性的模型进行模拟，用观测的温度敏感性数据对模型进行约束，获得模型参数。通过本发明，能够准确评估碳质量和碳可利用性在调控土壤有机碳矿化温度敏感性中的作用，下面将通过实施例进行具体说明。
实施例
步骤一：将土壤样品调节含水量至田间持水量的60％，分2份分别置于14℃和24℃恒温培养箱中培养，定期采用称重法调节土壤含水量使其变化范围在5％之内，定期测定土壤有机碳矿化速率，并将有机碳矿化单位转化为g CO2-Ckg-1SOC d-1。
步骤二：计算两个温度下的累积土壤有机碳矿化数据。以有机碳矿化比例的0.2％为间隔(即，0.2～0.4％、0.4～0.6％、0.6～0.8％……)分别计算出两个温度下土壤有机碳矿化出0.2％为间隔的有机碳比例的培养时间和/>
步骤三：利用等碳法计算时间序列的土壤有机碳矿化温度敏感性数据。等碳法计算公式为：
式中：
Q10——土壤有机碳矿化的温度敏感性；
——低温培养(14℃)时土壤有机碳矿化到特定比例的培养时间；
——高温培养(24℃)时土壤有机碳矿化到特定比例的培养时间；
Tl——低培养温度(14℃)；
Th——高培养温度(24℃)；
步骤四：将观测到的时间序列的Q10数据代入同时考虑碳质量和碳可利用性的模型约束模型参数。模型方程为：
Q10＝Q10_max·f(A)·f(Q)；
式中：
Q10_max——土壤不受碳质量和可利用性限制时的最大潜在温度敏感性；
f(A)——碳可利用性限制因子；
f(Q)——碳质量限制因子；
步骤五：计算碳质量限制因子和碳可利用性限制因子。计算方程为：
f(A)和f(Q)，计算公式为：
式中：
——14℃培养温度下的土壤半饱和常数；
——24℃培养温度下的土壤半饱和常数；
S——土壤碳可利用性；
Ea——土壤有机碳的活化能；
——土壤有机碳的最大活化能；
R——气体常数(8.314J K-1mol-1)；
Th——高培养温度(24℃)；
Tl——低培养温度(14℃)；
步骤六：计算碳可利用性和碳质量随碳矿化比例的动态变化，计算公式为：
S＝S0·e-α·RF；
式中：
RF——土壤有机碳的矿化比例；
S0——培养实验开始时初始的土壤碳可利用性；
α——碳可利用性随着矿化比例的减少速率；
Ea_0——培养实验开始时初始土壤有机碳的活化能；
β——土壤有机碳的活化能随着矿化比例的增加速率。
如图1所示，对于本实施例，实验观测的Q10随有机碳矿化比例呈现先上升后下降的趋势。同时考虑碳质量和可利用的模型可以解释Q10变异的89％。如图2所示，进一步考虑限制因子f(A)和f(Q)随有机碳矿化比例的变化发现，在Q10上升阶段，Q10主要受碳质量调控，呈现出随碳质量降低(惰性增加)而呈现出增加的趋势(f(A)＜f(Q))。而在后期的下降阶段，Q10主要受碳可利用性调控，表现出随着碳可利用性的减少而下降(f(Q＜f(A)))。本实施例通过一组室内培养实验数据，利用等碳法计算土壤有机碳矿化的温度敏感性，再将同时考虑碳质量和可利用性的模型对数据进行模拟，发现土壤有机碳矿化的温度敏感性受碳质量和可利用性之间的权衡调控。
本发明创新性的采用一个能够同时考虑碳质量和可利用性的模型，同时结合等碳法计算温度敏感性，能够准确理解温度敏感性的调控机制，为预测气候和土地利用变化下土壤碳质量和可利用性改变引起的土壤有机碳变化奠定了基础。
以上所述的实施例只是本发明的一种较佳的方案，然其并非用以限制本发明。有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型。因此凡采取等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。
Claims (2)
1.一种量化碳质量和可利用性调控土壤有机碳矿化温度敏感性的方法，其特征在于，具体如下：
S1：将土壤样品在两个不同温度下进行室内培养实验，获取不同温度下的土壤有机碳矿化数据；
S2：基于步骤S1获得的不同温度培养下的土壤有机碳矿化数据，采用等碳法计算时间序列的土壤有机碳矿化的温度敏感性数据，计算公式为：
式中：
Q10——土壤有机碳矿化的温度敏感性；
——低温培养时土壤有机碳矿化到特定比例的培养时间；
——高温培养时土壤有机碳矿化到特定比例的培养时间；
Tl——低培养温度(℃)；
Th——高培养温度(℃)；
S3：采用同时考虑碳质量和碳可利用性的模型进行模拟，用步骤S2观测的温度敏感性数据对模型进行约束，获得模型参数，计算公式为：
Q10＝Q10_max·f(A)·f(Q)；
式中：
Q10_max——土壤不受碳质量和可利用性限制时的最大潜在温度敏感性；
f(A)——碳可利用性限制因子；
f(Q)——碳质量限制因子；
——米氏方程中高培养温度下的半饱和常数；
——米氏方程中低培养温度下的半饱和常数；
S——米氏方程中的碳可利用性；
Ea——阿伦尼乌斯方程中土壤有机碳的活化能；
Ecri——阿伦尼乌斯方程中的有机碳的最大活化能；
R——气体常数，8.314J K-1mol-1；
所述步骤S3中，碳可利用性S采用指数方程模拟，计算公式为：
S＝S0·e-α·RF；
式中：
RF——土壤有机碳的矿化比例；
S0——培养实验开始时初始的土壤碳可利用性；
α——碳可利用性随着矿化比例的减少速率；
所述步骤S3中，土壤有机碳的活化能Ea采用逻辑斯蒂方程模拟，计算公式为：
式中：
RF——土壤有机碳的矿化比例；
Ea_0——培养实验开始时初始土壤有机碳的活化能；
β——土壤有机碳的活化能随着矿化比例的增加速率；
S4：比较步骤S3求得的f(A)和f(Q)值大小，确定温度敏感性主要受碳可利用性调控还是主要受碳质量调控；所述步骤S4中，更小的f(A)值表明温度敏感性主要受碳可利用性调控，更小的f(Q)值表明温度敏感性主要受碳质量调控。
2.根据权利要求1所述的量化碳质量和可利用性调控土壤有机碳矿化温度敏感性的方法，其特征在于，所述步骤S1中，室内培养实验是在恒温恒湿条件下培养。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310711743.9A CN116735839B (zh) | 2023-06-15 | 2023-06-15 | 量化碳质量和可利用性调控土壤有机碳矿化温度敏感性的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310711743.9A CN116735839B (zh) | 2023-06-15 | 2023-06-15 | 量化碳质量和可利用性调控土壤有机碳矿化温度敏感性的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116735839A CN116735839A (zh) | 2023-09-12 |
| CN116735839B true CN116735839B (zh) | 2024-01-26 |
Family
ID=87905754
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310711743.9A Active CN116735839B (zh) | 2023-06-15 | 2023-06-15 | 量化碳质量和可利用性调控土壤有机碳矿化温度敏感性的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116735839B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111060551A (zh) * | 2019-12-31 | 2020-04-24 | 重庆三峡学院 | 一种土壤碳库分解温度敏感性的评估方法 |
| CN112198299A (zh) * | 2020-09-29 | 2021-01-08 | 南京林业大学 | 一种基于贝叶斯理论的土壤有机碳矿化能力的测定方法 |
| KR102454291B1 (ko) * | 2022-01-06 | 2022-10-14 | 한국건설기술연구원 | 바이오차를 포함하는 탄소저감형 조성물 |
-
2023
- 2023-06-15 CN CN202310711743.9A patent/CN116735839B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111060551A (zh) * | 2019-12-31 | 2020-04-24 | 重庆三峡学院 | 一种土壤碳库分解温度敏感性的评估方法 |
| CN112198299A (zh) * | 2020-09-29 | 2021-01-08 | 南京林业大学 | 一种基于贝叶斯理论的土壤有机碳矿化能力的测定方法 |
| KR102454291B1 (ko) * | 2022-01-06 | 2022-10-14 | 한국건설기술연구원 | 바이오차를 포함하는 탄소저감형 조성물 |
Non-Patent Citations (2)
| Title |
|---|
| Eric A. Davidson 等.Temperature sensitivity of soil carbon decomposition and feedbacks to climate change.《nature》.2006,第440卷165-173. * |
| 杨毅 等.土壤呼吸的温度敏感性和适应性研究进展.《自然资源学报》.2011,第26卷(第10期),1811-1820. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116735839A (zh) | 2023-09-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Reduced carbon use efficiency and increased microbial turnover with soil warming | |
| Ifrim et al. | Dynamic pH model for autotrophic growth of microalgae in photobioreactor: A tool for monitoring and control purposes | |
| Dewasme et al. | State estimation and predictive control of fed-batch cultures of hybridoma cells | |
| Biener et al. | Calorimetric control of the specific growth rate during fed-batch cultures of Saccharomyces cerevisiae | |
| Imtiaz et al. | Bioreactor temperature profile controller using inverse neural network (INN) for production of ethanol | |
| Barceló-Villalobos et al. | Analysis of mass transfer capacity in raceway reactors | |
| Cheng et al. | Predicting methanogenesis from rice paddies using the DAYCENT ecosystem model | |
| Schuler et al. | Investigation of the potential of biocalorimetry as a process analytical technology (PAT) tool for monitoring and control of Crabtree-negative yeast cultures | |
| CN106843172A (zh) | 基于jy‑kpls的复杂工业过程在线质量预测方法 | |
| CN106249724A (zh) | 一种高炉多元铁水质量预测控制方法及系统 | |
| Shah et al. | Multi‐rate observer design and optimal control to maximize productivity of an industry‐scale fermentation process | |
| Cogne et al. | Design, operation, and modeling of a membrane photobioreactor to study the growth of the cyanobacterium Arthrospira platensis in space conditions | |
| Putranto et al. | A new model to predict diffusive self-heating during composting incorporating the reaction engineering approach (REA) framework | |
| Retamal et al. | Parameter estimation of a dynamic model of Escherichia coli fed-batch cultures | |
| CN116735839B (zh) | 量化碳质量和可利用性调控土壤有机碳矿化温度敏感性的方法 | |
| Kager et al. | Direct control of recombinant protein production rates in E. coli fed-batch processes by nonlinear feedback linearization | |
| Kästner et al. | Assessing energy fluxes and carbon use in soil as controlled by microbial activity-A thermodynamic perspective A perspective paper | |
| An et al. | Long-term species-level observations indicate the critical role of soil moisture in regulating China's grassland productivity relative to phenological and climatic factors | |
| De Jonge et al. | Reconstruction of the oxygen uptake and carbon dioxide evolution rates of microbial cultures at near-neutral pH during highly dynamic conditions | |
| Mazuelos et al. | Oxygen solubility in copper bioleaching solutions | |
| CN108089443B (zh) | 一种基于混合精英圈养优化的灵敏板温度智能建模方法 | |
| Hocalar et al. | Model based control of minimal overflow metabolite in technical scale fed-batch yeast fermentation | |
| Mairet et al. | Modeling and optimization of hairy root growth in fed‐batch process | |
| CN103440435B (zh) | 预测影响特定代谢产物产量关键反应的通量域比较方法 | |
| CN108627453A (zh) | 一种模拟碳钢在不同紫外辐照量的大气环境中腐蚀过程的试验方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |