魚缸照片備份











































































































 

留言

張貼留言

這個網誌中的熱門文章

KH, Ca, Mg 的一些觀念澄清

圖片
這邊我稍微更新了一些關於海水缸KH, Ca, Mg的相關資訊，︀如果有在我之前的文章或論述中讀到和這篇相左的點的話請以這裡為主。我自己也會去修正一些之前寫過的東西，︀不過如果有漏的話可以提醒我一下。 這次我盡量改用比較好懂簡略的言語來敘述，︀希望能減少一些誤解，︀不過若想針對一些觀念做更深入的討論的話也都歡迎。   光合作用和CO2濃度的變化 不會 影響到KH數值 這部分同樣也是我自己誤解很久的觀念。首先來談談CO2濃度好了，︀從以下反應式可以看到二氧化碳在水中解離會發生的反應: H2O + CO2 => H2CO3 H2CO3 => (H+) + (HCO3–) (HCO3–) => (H+) + (CO3– –) 然後再來看看海水的KH也就是鹼度之基本組成(先忽略其他比例較少的離子): Alkalinity = [HCO3-]+ 2[CO3--] + [OH-] - [H+] 我們會發現在解離過程中每當一個氫離子釋出時(減少一份KH)就會同步增加回等量的HCO3-或CO3--，︀也就是說最終的結果其實根本不會影響KH的數值，︀因此若你直往缸子裡打CO2的話只會發現pH因此而下降但KH卻不會變。 接下來則是光合作用的影響。的確有許多生物可以利用碳酸酐酶(carbonic anhydrase)來將HCO3-轉回CO2來供給光合作用所需，︀因此直觀上我們可能會認為光合作用會降低KH。不過若我們看一下圖一的碳酸酐酶催化反應式會發現其實將HCO3-轉回CO2的反應也只是把解離反著走而已，︀所以在吃掉一份KH(HCO3-)的同時也會順帶耗掉一個氫離子，︀因此最後其實就和直接使用CO2一樣只會動到pH而不會影響KH。 圖一. 碳酸酐酶反應式 (來源:  Opthalmic Carbonic Anhydrase Inhibitors  ) 如果只看反應式沒什麼感覺的話也是有許多的實驗可以證實。比如 El Haïkali等人在2004年發表在 Scientia Marina的論文:  Estimation of photosynthesis and calcification rates of  Corallina elongata  (Elli...
Read more »

使用生成式AI處理水族問題的注意事項

  最近可以看到越來越多玩家開始使用Chatgpt或Gemini等大眾用生成式AI工具處理水族相關的問題。不過AI雖然方便，但在很多情境下其實是很容易給出錯的離譜的答案或建議，因此我這邊稍微提幾個我會注意的重點給喜歡問AI問題的玩家參考一下以免鬧出太大的笑話。   提問時 一定要 要求附上資料來源並 親自閱讀 常見的生成式AI工具的資訊來源至多也就只是從網路上做搜尋而已，因此其實多半不會比你自己爬文好到哪去(當然也取決於每個人的搜尋能力)，因此要求附上資料來源並審查其可靠性非常重要。不過即使給了reference也請去把該文獻親自找出來，因為AI也常常會無中生有給出根本不存在的幽靈文獻，甚至在學術發表中也曾出現過這問題。此外，即使參考文獻真的存在，AI所給出的結論也不見得真的就是照著該來源講的。很多時候提供的參考文獻可能根本和問題沒關係，而AI也常對於內文有所誤解或斷章取義而給出錯誤結論，因此自己閱讀原始文獻還是很重要的。基本上我是會比較建議將AI當作找資料的助手而非答題機器，不過如果該主題的原始文獻連你自己都看不太懂也不曉得可不可靠的話最好就不要用AI了，因為就算它講錯你也無法分辨。   不要 用AI計算你自己都不會算的數學問題 Chatgpt或Gemini等工具的本質仍然是語言模型，因此計算並不是它們的強項，錯誤率也 非常非常的高 。他們雖然也不是不能拿來輔助計算，但使用時一定要要求附上計算過程並自己檢查過一遍，因此若是你自己也不會算的東西就一樣沒辦法抓到錯誤了。通常在處理 化學添加劑 相關問題時會最危險，因為常常算錯的偏差都是直接跑掉個好幾倍，若是你還真的乖乖照著配製加到缸裡的話我也只能祝你好運了......   多生成幾次看你會不會得到不同回覆 如果真的一時有點懶得去讀原始資料的話，另一個可以幫你排除AI唬爛的小技巧是直接反覆生成幾次回覆，如果AI的答案每次都不太一樣的話那就代表這個問題大概是不太適合讓它處理了(這狀況在數學問題上尤其常見)。不過這個方法頂多就是幫你篩掉明顯有問題的狀況，最終還是得靠你自己去讀文獻來辨別資訊的可靠程度。另外反覆生成的技巧有時候其實是可以幫你找出一些關於該主題原先沒想到面向，但這也是建立在你對該議題有足夠先備知識的情況下。   使用AI資訊回覆別人時請註明 當然判斷回答是否值得信賴...
Read more »

[分享]缸內細菌量的增加有可能導致碳源法效率降低

圖片
  原文:  Bacteria Overpopulation Likely Slows Or Stalls Nitrate Reduction During Vinegar And Ethanol Dosing 這篇文章中的實驗是由國外魚友Dan_P所設計與進行的，其中得出的結果我認為還蠻有趣的，也能解釋一些我們在缸內觀察到的現象，分享上來給正在或是考慮使用碳源法處理營養鹽的玩家參考一下。   文章中的所有實驗都是在含1.5L海水的缸內進行，並從既有的海水缸中取水進行實驗，缸內以磁石攪拌器提供水流並且沒有任何蛋白等過濾或砂石等基材。第一批的實驗先測試到底定量碳源對於營養鹽的消耗是否符合理論值的推算，其實驗細節可參考作者所發表的前兩篇文章(其ppm換算結果可參考之前L大整理的 表格 )。碳源法消耗營養鹽的原理是透過細菌的增生來將營養鹽固定到biomass中，而透過這過程的理論反應式可得出C5H7O2N這個同化比例(圖一)。 圖一. 乙酸和乙醇的代謝理論反應式   由圖二和圖三可見在實驗中所觀察到的添加醋以及酒精對於NO3以及氧氣的消耗量和理論值之對比，預估的結果都還算符合。在結果中，等莫耳數下酒精所消耗的NO3略高於醋而耗氧量則略低，每3.785L的海水中加入1mL的5%家用醋可消耗約2ppm的NO3及7.2ppm的氧氣; 而酒精則是每3.785L的海水加入0.13mL的伏特加(約40%酒精含量)可降低3.1ppm的NO3及10.8ppm的氧氣(PO4並沒有被包含在反應式內，不過在作者的實驗觀察中大約會是NO3的1/10重量)。   圖二. 添加醋的實際消耗與理論值對比   圖三. 添加酒精的實際消耗與理論值對比   不過有趣的是這樣符合的理論值的結果基本上只會出現在前幾次添加碳源的時候，到了之後的添加反而會開始偏離理論值，而這也是這篇文章主要想探討的現象。圖四圖五中可以看到無論是醋還是酒精，NO3消耗的趨勢都是會在第二次添加時到達消耗量高峰，而之後每次添加的消耗量則會越來越低。圖六圖七中則可看到NO3與氧氣消耗與碳源添加的比例關係基本上都會在第一次或添加時與理論值(C5H7O2N 50:50)最接近，但之後的添加則離得越來越遠。而這個NO3消耗下降、氧氣消耗上升的現象作者認為可能是由於碳源的添加量不...
Read more »