菌肥微生物在不同pH茶园土壤中存活模式的研究

为了明确微生物肥料施入不同pH土壤对土壤肥力的贡献,以灭菌土接种菌肥微生物,经培养采用平板菌落计数法,探究菌肥移居微生物在土壤中存活性、变化规律及对土壤养分的贡献。结果表明：菌肥微生物在接入灭菌土壤前2周呈快速上升趋势,随后进入一个较长的稳定期;中性土壤各类菌肥微生物丰度为：氨化细菌为最多,达108 cfu/g干土;固N微生物、芽孢细菌、放线菌数量均达到107 cfu/g干土以上,而霉菌最多只达到105 cfu/g干土左右;在pH≈4.5酸性土壤,各类细菌、放线菌数量比中性土壤少2个数量级,但霉菌最大丰度可达107 cfu/g干土;酵母菌数量只有霉菌的1/10左右。菌肥各类微生物的迅速生长和繁殖,通过其分解作用、固氮作用、解P、解K作用等对土壤主要营养元素及活性增加有一定的贡献。     

气雾栽培的应用与研究综述

气雾栽培是一种新型的无土栽培模式,是现代农业发展的研究方向.文章综述了气雾栽培技术的设施、优势、局限性及目前所开展的相关研究,同时综合展望了该技术广阔的发展应用前景,探讨了气雾栽培技术用于解决中草药种植困境的可能性.     

核桃壳木质素的1H-NMR分析

在核桃壳磨木木质素(MW L)提取纯化的基础上,对纯化的核桃壳磨木木质素进行了C、H、O及OCH3含量的测定,并利用1H-NMR对核桃壳木质素基本化学结构进行研究。结果表明:(1)核桃壳木质素的C、H、O含量分别为67.15%、5.73%和27.12%,甲氧基含量为18.19%;(2)核桃壳木质素C9经验式为C9H9.22O1.99(OCH3)1.05,其C9单元结构的相对分子量为181.61;(3)核桃壳木质素属GS型木质素,其中G型木质素占多数,为80.68%;(4)核桃壳木质素中酚羟基(OHph)和脂肪族羟基(OHaliph)分别占总羟基数的32.21%和67.79%;(5)核桃壳木质素中存在较多的-βO-4、-β5和β-β结构。     

槐属植物化学成分研究概况

综述了槐属植物化学成分的研究概况及槐属植物的活性。从槐属植物中分离出的化学成分主要有生物碱、黄酮、酚类、甙类、萜类，以及较少的有机酸、甾体、糖、氨基酸等类化合物。     

四唑染色法测定巨紫荆种子生活力

为探讨巨紫荆(Cercis gigantea)种子生活力的适宜测定方法,采用四唑染色法,以染色浓度、染色温度、染色时间设计正交试验,研究巨紫荆种子的生活力测定条件。结果表明,染色浓度、染色温度、染色时间3者之间存在一定的关系,TTC浓度为0.1%、温度为35℃、染色时间为8 h是巨紫荆种子生活力测定的最佳条件。     

农业气象学课程教学实验平台构建的思考

阐述了高等农业院校农业气象学课程实验平台构建的意义,对构建农业气象学实验平台进行了探讨。     

双合汤对膝骨性关节炎大鼠作用的试验

为了研究双合汤对大鼠膝骨性关节炎的作用及可能机制,通过膝关节腔注射木瓜蛋白酶法建立膝骨性关节炎大鼠模型(2周),将57只造模成功大鼠随机分为模型组(2 m L/kg·d)、氨基葡萄糖组(86.4 mg/kg·d)和双合汤组(12 g/kg·d),20只膝关节腔注射等量生理盐水大鼠为假手术组(2 m L/kg·d)。共用相应药物灌胃4周。检测各组大鼠2周和6周关节活动范围、关节滑膜厚度和关节液中IL-1β、IL-6、NO、一氧化氮合酶(i NOS)的水平。结果表明,与假手术组比较,模型组关节活动范围减少(P0.05),关节滑膜厚度增加(P0.05),关节液IL-1β、IL-6、NO、i NOS水平显著升高(P0.05);与模型组比较,双合汤组关节活动范围增加(P0.05),关节滑膜厚度减少(P0.05),关节液IL-1β、IL-6、NO、i NOS水平显著降低(P0.05)。说明双合汤能有效治疗膝骨性关节炎,其机制可能与抑制关节液中IL-1β、IL-6、NO、i NOS的表达有关。     

高校青年教师培养体系建设研究

近年来,高校青年教师队伍不断壮大,青年教师能力与素质的提高关系到整体教师队伍水平的提高。从青年教师的特点及水平出发,结合国内外高校成果实例,可从青年教师培养资源体系建设、青年教师教学咨询服务体系建设、青年教师教学质量评定体系3个方面进行高校青年教师培养体系建设。     

基于无监督和YOLOX的农村房屋建设状态识别算法

【目的】 为了提升自然场景中农村在建房屋的识别准确率,并为后续的农村违建房屋智能化监管提供技术支撑。【方法】 文章基于无监督聚类和YOLOX目标检测算法,发展了一种乡村房屋在建状态识别方法。首先,构建在建房屋无监督聚类模型,并以此对在建房屋进行类别精细划分,使得不同类别之间特征差异较大,相同类别特征差异较小,其次,再使用划分好的类别制作房屋检测数据集,并训练YOLOX目标检测模型对在建房屋进行识别,最后,在在建房屋数据集上设计模型对比实验,以此验证算法有效性。【结果】 实验结果表明：在在建房屋识别任务中,基于无监督聚类和YOLOX的在建房屋识别算法mAP为83.27%,比采用原始数据（不进行在建房屋类别划分）训练的YOLOX算法mAP提升了7.91%,同时比采用人工划分类别的YOLOX算法mAP提升了5.08%。【结论】 因此该文方法有效提升了乡村房屋在建状态的识别精度,同时也为具有复杂场景和多个不同状态的目标进行识别时,提升识别准确率提供一种有效且可靠的解决思路。