花色豆腐的研制

本文对菜汁豆腐和花生豆腐的研制工艺作了介绍 ,并对一些技术难点 :菜汁的扩色、稳定性及添加量等作了重点讨论     

基于 Mahalanobis矩阵学习的本体算法

提出基于Mahalanobis矩阵学习的本体相似度计算和本体映射算法.利用矩阵分解和坐标下降迭代算法得到Mahalanobis矩阵,进而得到本体图距离矩阵,并由此来判定本体图中2顶点之间的相似程度.最后,将算法应用于生物GO本体和计算机软件本体,通过实验数据验证了算法的有效性.     

怎样防治土传病害

近年来．土传病害的发生越来越严重．已经严重的制约了蔬菜生产的发展。 一、合理轮作 合理轮作是防治土传病害最经济有效的措施．合理进行作物间的轮作．特别是水旱轮作．对预防土传病害的发生可收到事半功倍的效果。轮作，即是不同科、不同种的作物间交替种植的种植方式．     

基于 Mahalanobis 矩阵学习的本体算法

提出基于M ahalanobis矩阵学习的本体相似度计算和本体映射算法。利用矩阵分解和坐标下降迭代算法得到M ahalanobis矩阵,进而得到本体图距离矩阵,并由此来判定本体图中2顶点之间的相似程度。最后,将算法应用于生物GO本体和计算机软件本体,通过实验数据验证了算法的有效性。     

枸杞岛筏式贻贝养殖海域鱼类群聚特征

为探究筏式贻贝养殖生境鱼类资源养护功能,于2020年9－12月对枸杞岛筏式贻贝养殖生境(分表层区和底层区)及周边岩礁生境的鱼类进行了多网目组合刺网采样。应用相对重要性指数IRI、多样性指数并结合等级聚类、非度量多维标度排序(nMDS)分析鱼类组成和群落结构。结果显示,在2种生境中共采集鱼类55 种,隶属于10目34科47属,其中贻贝养殖生境采集到37种(底层和表层分别为29和20种);岩礁生境共采集到40种。在鱼类组成上,中国花鲈和鲻是贻贝养殖生境表层区的典型优势种,而黄姑鱼和褐菖鲉是贻贝养殖生境底层区的典型优势种;褐菖鲉同时也是岩礁生境的典型优势种。多样性分析表明,贻贝养殖生境的总体鱼类多样性要高于岩礁生境,但尚不显著。多元分析显示,各月份2种生境中的鱼类群落格局均可分为3种类型,虽与养殖表层区、养殖底层区和岩礁区并非严格一致,但各群落间差异依然显著。研究表明,大规模筏式养殖设施的存在吸引了众多中上层鱼类及底层鱼类,也为岩礁生境优势鱼类提供了额外的栖息环境,发挥了近似于浮鱼礁系统的资源养护作用。研究结果可为岛礁海域海洋牧场目标种的选择和人工生境构建模式的应用提供重要参考。     

播期和播量对冬小麦尧麦16群体性状和产量的影响

为确定高产小麦尧麦16的适宜播期和播量,采用田间裂区设计,研究不同播期和播量对该品种群体性状、产量结构及产量的影响。结果表明,随着播期的推迟,小麦营养生长期缩短,成熟期却不推迟。同一播期下,播量对小麦生育进程无影响;早播增加冬前至拔节期总茎数,而对生育后期总茎数无影响。增加播量可显著增加各生育时期总茎数;随着播期推迟,同一播量水平的干物质积累量明显降低。相同播期下,干物质积累量、叶面积指数随播量的增加而递增;相同播量下,随着播期的推迟叶面积指数降低。小麦叶面积指数随生育时期的推进先升高后下降,在抽穗期达到最大。随着播量增加,产量和有效穗数逐渐增加,穗粒数和千粒重呈下降趋势;与播量相比,播期对尧麦16产量及产量结构的影响较大。尧麦16的最佳播期为10月7日,播量为300×10~4粒·hm~(-2);9月27日至10月2日播种,播量为225×10~4粒·hm~(-2),10月12日至10月17日播种,播量为375×10~4粒·hm~(-2),也可以获得较高的产量。     

百合外片加工中褐变控制工艺的优化

以龙山县鲜卷丹百合3～4层鳞茎外片（采取人工拨片的方式由外向内取材）为原料，通过正交试验确定了最佳的复合护色剂配方为柠檬酸0.8%、半胱氨酸0.25%、抗坏血酸0.3%；并选取热烫时间、护色时间、鼓风干燥温度3个因素进行响应面法试验，以色泽L值为评价指标，获得最佳工艺参数为热烫时间8 min、复合护色剂护色时间30 min、鼓风干燥温度69℃，在该条件下百合粉色泽L值的理论值为87.27，试验均值为87.15，达到了理论值的99.9%，抑制褐变的效果良好，说明获得的百合粉最优加工工艺参数是可靠的。     

应用增强回归树对小兴安岭沼泽湿地构成信息的提取

湿地是地球上最重要的生态系统之一，在维护全球生态安全方面起着不可替代的作用。为了精确监测湿地变化，提高湿地遥感监测水平，以小兴安岭地区作为研究区，应用谷歌地球引擎(GEE)云平台和R工具软件，使用Landsat8 OLI光学数据和地形数据，构建增强回归树(BRT)湿地发生概率模型，探讨光学数据以及地形数据对沼泽湿地提取的重要性。结果表明：(1)模型A_UC值为0.807,模型标准差为0.003,模型预测性能较好、性能稳定；(2)沼泽湿地发生概率模型中输入变量的重要性由高到低的排序为红波段(B4)、地形位置指数(TPI)、蓝波段(B2)、绿波段(B3)、归一化植被指数(NDVI)、地形湿度指数(TWI)、归一化水指数(NDWI)、近红外波段(NIR);(3)当湿地-非湿地二元分类阈值为0.7时，模型对湿地的提取精度(0.828)高于对非湿地的提取精度(0.803),模型预测湿地的能力优于非湿地。