基于优化的长短时记忆神经网络牧群采食量估测模型

为了能够较为精准的估测牧群的采食量信息，提出一种基于遗传算法(genetic algorithm, GA)和长短时记忆神经网络（long short-term memory，LSTM）的牧群采食量估测模型。首先通过皮尔森系数法分析得出影响牧群的采食量的主要影响因子，以减少输入维度并解决信息冗余问题。在此基础上，构建基于 LSTM 神经网络算法的牧群采食量估测模型，并引入遗传算法来优化LSTM 神经网络模型参数来增加模型的可靠性。最后，利用该模型对牧群采食量进行估测。试验结果表明：该采食量估测模型各评价指标平均绝对误差(mean absolute error，MAE)、平均绝对百分比误差(mean absolute percentage error，MAPE)、以及均方根误差（root mean square error，RMSE）分别为2.982、9.85%和6.108。与单一的LSTM神经网络以及GRU神经网络模型相比，均优于其他模型；且该模型具有较好的估测性能和较强的泛化能力，能够为合理轮牧提供科学指导，对草地保护有一定的应用价值。     

芜菁苗期抗旱性鉴定及抗旱指标的评价

为了探究不同芜菁品种苗期的抗旱性，筛选抗旱的优质种质，以42份芜菁为试材，采用盆栽和自然干旱的方法，测定其苗期的株高、茎粗、叶面积、根冠比、丙二醛、可溶性蛋白、可溶性糖、脯氨酸、抗旱指数和恢复指数等指标，结合抗旱系数、主成分分析、加权隶属函数和回归分析等方法对芜菁苗期抗旱性进行综合评价。结果表明：干旱胁迫使芜菁苗期的株高、茎粗、叶面积和根冠比显著降低，同时使其可溶性糖、可溶性蛋白、丙二醛和脯氨酸显著升高；茎粗、根冠比、丙二醛和脯氨酸可作为芜菁苗期抗旱性的主要鉴定指标；并初步建立了预测芜菁苗期抗旱性的回归方程；筛选出5个苗期抗旱型品种，27个苗期中度抗旱型品种和12个苗期干旱敏感型品种，其中W29来自新疆的‘恰玛古’抗旱性最好。     

黄晶果采后主要病原菌的分离与鉴定

为明确引起黄晶果采后腐烂的主要致病菌,采用传统组织分离法从采后贮藏期自然发病的黄晶果果实上分离病原菌,利用柯赫氏法则进行致病性测定;结合形态学特征和联合基因(ITS和TUB2)系统进化树分析进行病原菌鉴定.结果表明:从黄晶果果实上分离得到的5株疑似病原菌,回接发病症状与自然贮藏发病症状一致,确定其为黄晶果的病原菌;5株病原菌分别为:可可毛色二孢(Lasiodiplodia theobromae)、蔷薇拟盘多毛孢(Neopestalotiopsis rosae)、间座壳真菌(Diaporthe pseudo-mangiferae)、层出镰孢菌(Fusarium proliferatum)和棘孢曲霉(Aspergillus aculeatinus).该研究通过对黄晶果采后贮藏期间病原菌的分离鉴定,为黄晶果采后病害的有效防控及延长其采后贮藏时间提供科学依据.