抗病优质杂交水稻不育系蓉18 A的高产制种技术

杂交水稻不育系蓉18 A是成都市农林科学院作物研究所经过多年选育的高抗稻瘟病,高配合力新的水稻不育系,系四川省目前米质和抗稻瘟病这2个性状结合得最好的骨干不育系之一,蓉18 A配组已经选育20余个组合通过国家及省级品种审定.主要结合成都市气候条件,分析总结蓉18 A杂交水稻制种高产的技术要点.     

基于近红外光谱的沼液挥发性脂肪酸含量快速检测

挥发性脂肪酸（Volatile Fatty Acids，VFA）作为厌氧发酵过程的重要中间产物，其在厌氧反应器中的累积能够反映出产甲烷菌的不活跃状态或厌氧发酵条件的恶化。为了实现对农牧废弃物厌氧发酵进行过程分析和状态监控，将近红外光谱（Near Infrared Spectroscopy，NIRS）与偏最小二乘（Partial Least Squares，PLS）相结合构建玉米秸秆和畜禽粪便厌氧发酵液乙酸、丙酸和总酸含量快速检测模型。将竞争自适应重加权采样法（Competitive Adaptive Reweighted Sampling，CARS）与遗传模拟退火算法（Genetic Simulated Annealing algorithm，GSA）相结合构建CARS-GSA算法对沼液中的乙酸、丙酸和总酸进行特征波长优选，原始光谱数据1 557个波长点经预处理和波长优选后，得到乙酸、丙酸和总酸特征波长变量分别为135、101和245个，建立的回归模型验证决定系数分别为0.988、0.923和0.886，预测均方根误差（Root Mean Squared Error of Prediction，RMSEP）分别为0.111、0.120和0.727，相对分析误差分别为9.685、3.685和3.484，与全谱建模相比RMSEP分别减少了17.78%、15.49%和1.22%，能够满足农牧废弃物厌氧发酵过程发酵液中乙酸和丙酸含量的快速检测需求，基本满足总酸的检测需求。结果表明，通过构建CARS-GSA算法优选乙酸、丙酸和总酸的敏感波长变量，参与建模的波长点数量显著减少，有效降低了变量维度和模型复杂度，提升了回归模型检测精度和预测能力，为快速准确检测沼液VFA提供了新途径。     

工业大麻割晒机的三维仿真设计

针对当前我国工业大麻割晒机研究现状与发展需求,运用三维软件UG设计了一款工业大麻割晒机,包括夹持输送机构、切割机构、传动机构、机架等。首先对星轮式拨禾机构、往复式切割器等零部件进行三维建模,然后根据各零部件之间的准确约束进行整机装配,并对样机各运转部件进行了干涉检查,仿真结果表明所设计的工业大麻割晒机符合农艺要求,并为后续的虚拟样机运动仿真、割台的结构优化奠定了良好的基础,提高了样机的研发速度。     

棉铃虫棉田自然种群变化动态及对天敌观察研究初报

棉铃虫在上世纪80~90年代,在我国多个老棉区严重发生或大暴发,致使棉花生产造成了严重损失。而后棉区迁移至新疆,加上抗虫棉的推广、综合治理措施的落实,有效遏制了棉铃虫的猖獗发生。近几年,在冀南多种作物上又有抬头,并有逐年加重的趋势,为对棉铃虫发生规律研究提出了新课题。     

复合潜流人工湿地对农村生活污水的净化效果 及其微生物群落结构特征

试验探究了复合潜流人工湿地对农村生活污水的净化效果及其微生物群落结构特征。结果表明，当水力负荷为0.35 m³·(m²·d）^-1时，系统对TN、NH₄⁺-N、COD和TP去除效率分别为（89.84±7.64）%、（98.67±1.31）%、（61.63±16.01）%和（70.21±8.00）%。湿地中一共发现11个主要菌门、18个主要菌纲和33个主要菌属，变形菌门（Proteobacteria）、蓝藻门（Cyanobacteria）、拟杆菌门（Bacteroidetes）、厚壁菌门（Firmicutes）、绿弯菌门（Chloroflexi）、酸杆菌门（Acidobacteria）、放线菌门（Actinobacteria）是其中的优势菌门，它们在各级湿地中表层和底层的相对丰度分别是57.26%、61.37%、91.60%、93.22%、88.78%、88.02%。蓝藻菌纲（Cyanobacteria）、α-变形菌纲(Alphaproteobacteria) 、芽孢杆菌纲(Bacilli)和γ-变形菌纲(Gammaproteobacteria)、β-变形菌纲(Betaproteobacteria)是其中优势菌纲，约占主要菌纲的70%。共有17个优势菌属，在各级湿地中的分布情况不同，其中芽孢杆菌属（Bacillus）相对丰度最高，集中分布于第三级湿地，其次是Leptolyngbya、席藻属（Phormidium），在第一、二级湿地中广泛分布。复合潜流人工湿地具有良好污水净化效果，系统中有机物和氮素的去除主要依靠微生物作用，磷素的去除主要依靠基质吸附沉淀作用。     

Deep neural network algorithm for estimating maize biomass based on simulated Sentinel 2A vegetation indices and leaf area index

Accurate estimation of biomass is necessary for evaluating crop growth and predicting crop yield.Biomass is also a key trait in increasing grain yield by crop breeding.The aims of this study were(i)to identify the best vegetation indices for estimating maize biomass,(ii)to investigate the relationship between biomass and leaf area index(LAI)at several growth stages,and(iii)to evaluate a biomass model using measured vegetation indices or simulated vegetation indices of Sentinel 2A and LAI using a deep neural network(DNN)algorithm.The results showed that biomass was associated with all vegetation indices.The three-band water index(TBWI)was the best vegetation index for estimating biomass and the corresponding R2,RMSE,and RRMSE were 0.76,2.84 t ha−1,and 38.22%respectively.LAI was highly correlated with biomass(R2=0.89,RMSE=2.27 t ha−1,and RRMSE=30.55%).Estimated biomass based on 15 hyperspectral vegetation indices was in a high agreement with measured biomass using the DNN algorithm(R2=0.83,RMSE=1.96 t ha−1,and RRMSE=26.43%).Biomass estimation accuracy was further increased when LAI was combined with the 15 vegetation indices(R2=0.91,RMSE=1.49 t ha−1,and RRMSE=20.05%).Relationships between the hyperspectral vegetation indices and biomass differed from relationships between simulated Sentinel 2A vegetation indices and biomass.Biomass estimation from the hyperspectral vegetation indices was more accurate than that from the simulated Sentinel 2A vegetation indices(R2=0.87,RMSE=1.84 t ha−1,and RRMSE=24.76%).The DNN algorithm was effective in improving the estimation accuracy of biomass.It provides a guideline for estimating biomass of maize using remote sensing technology and the DNN algorithm in this region.     

莲藕中甘薯潜隐病毒实时荧光定量PCR检测技术的建立及应用

甘薯潜隐病毒莲藕分离物（sweet potato latent virus-lotus，SPLV-lotus）在江苏省莲藕产区普遍引起发病，并且该分离物序列与已报道的SPLV甘薯分离物存在较大差异。为进一步监测SPLV-lotus在莲藕上的发生情况，针对SPLV-lotus的CP基因设计并优化特异性引物QSPLV-lotus3-F/QSPLV-lotus3-R，通过优化引物浓度和退火温度条件，构建标准曲线，建立了SPLV-lotus实时荧光定量PCR（Real-time fluorescent quantitative polymerase chain reaction，RT-qPCR）检测技术。该方法特异性强，可以快速检测出SPLV-lotus，灵敏度为普通PCR的100倍，可广泛应用于脱毒莲藕SPLV-lotus的精确检测。     

炭肥比和膨润土粘结剂对炭基肥颗粒理化及缓释特性的影响

为探究炭肥比和膨润土粘结剂对生物炭基肥理化及缓释特性的影响,以生物炭为基底,分别制备了炭肥比1:4,膨润土粘结剂质量分数为20%、15%、10%、5%和粘结剂质量分数10%,炭肥比为1:6、1:5、1:4、1:3的柱状尿素和氯化钾生物炭基肥颗粒,分析了生物炭基肥颗粒的理化及缓释特性。结果表明,在炭肥比为1:4条件下,膨润土粘结剂质量分数越高,生物炭基肥微观结构越紧密,力学和缓释特性越好,质量分数为20%时,氯化钾和尿素生物炭基肥平均抗压强度分别为286.78和281.27 N,前3天养分淋出率分别为45.53%和36.87%。在膨润土粘结剂质量分数为10%条件下,炭肥比越高,生物炭基肥缓释性能越好,炭肥比为1:3时,氯化钾和尿素生物炭基肥前3天养分淋出率分别为42.06%和40.32%。同时,氯化钾生物炭基肥表面孔隙先增后减,炭肥比为1:6和1:3的平均抗压强度分别为271.25和282.42 N。尿素生物炭基肥内部结构中孔隙变多,炭肥比为1:6时,平均抗压强度为最大值267.84 N。综合考虑,满足中等肥料浓度要求时,膨润土粘结剂质量分数为20%、炭肥比为1:4或膨润土粘结剂质量分数为10%、炭肥比为1:3的生物炭基肥成型配方较优。