96份玉米杂交种抗矮花叶病鉴定与评价

为明确96份玉米杂交种对甘蔗花叶病毒（SCMV）引起的玉米矮花叶病的抗性差异,于2011-2015年间通过苗期人工摩擦接毒和成株期自然感病相结合的方法进行田间抗性鉴定。结果表明,未发现高抗材料（HR）;''兴达糯1号''五谷2010''2011''正德306''豫丰96-68''818''临早杂1号''正德305''甘农963''和''金穗51216''等10份材料表现抗病（R）,占供试材料的10.4%;''CN8706''甘农821''东单339''NF09''玉源209''等22份材料表现中抗（MR）,占供试材料的22.9%;''宁玉524''潞玉36''陇单026''9909''龙生1号''等22份材料表现感病（S）,占供试材料的22.9%;''龙单1号''平玉8号''金518''登海605''超甜603''等42份材料表现高感（HS）,占供试材料的43.8%。     

江苏省张家港市水稻常见绿色防控措施原理及优点分析

水稻病虫害的发生严重影响水稻产量。化学农药和化肥的大量使用对农业生态造成不良影响,也易导致病虫害抗药性的产生。笔者整理总结了近几年在江苏省张家港市的六种水稻绿色防控措施,分别分析了其防控技术原理及优点,以期为指导当地绿色防控工作开展提供理论参考。     

惠州市博罗县第四次森林资源二类调查主要结果分析

文章通过分析博罗县第四次森林资源二类调查数据,对其森林覆盖率、森林蓄积量、林地地类构成等进行了数据分析,并通过与博罗县第三次森林资源调查数据相比较,调查结果表明博罗县森林资源主要数据变化较大,森林资源总体上呈稳步健康增长的势头。其主要原因一是其森林建设成果,二是调查范围的扩充,三是技术手段革新所带来的系统误差。调查中也发现博罗县部分森林质量仍较低,需要加强相关森林质量提升工作,并在森林资源长足提升后的瓶颈期,及时转变林业发展思路,结合二调数据科学规划,推动现代林业转型升级,增强森林生态服务功能。     

基于灰色关联分析的海南省农业产业结构优化研究

以2009—2019年海南省农业内部各产业经济数据为样本,采用灰色关联分析法,对当地农业产业结构进行研究。结果表明:海南省农业产业结构同国内外农业产业结构演进趋势相比,存在一定的不足;海南省农业内部各产业与海南省农业总增加值和农民年人均可支配收入均存在极大的相关性,其中牧业与农业总增加值、农林牧渔服务业与农民年人均可支配收入的关联度最高。结合研究结论,提出海南省进一步优化农业内部产业结构建议,以期为海南省优化农业产业结构提供参考。     

部分肉牛类群CAPN1基因第9外显子多态性及其与肉质性状的相关性

通过研究部分肉牛类群CAPN1基因第9外显子多态性及其与肉质性状的相关性,发现与肉牛生产性状相关的分子标记,为加快肉牛选育进程,提高肉牛生产性能提供参考。采用PCR-SSCP技术对早胜牛(庆阳类群、平凉类群)、南杂牛(南德温牛×早胜牛庆阳类群)、秦杂牛(秦川牛×早胜牛平凉类群)、西杂牛(西门塔尔牛×早胜牛平凉类群)、荷斯坦奶公牛和澳洲黑牛共391头个体的CAPN1基因外显子9进行遗传变异检测,运用SPSS17.0软件分析早胜牛平凉类群遗传变异与肉质性状的关联性。结果表明,CAPN1基因第9外显子存在突变位点G458C,并检测到GG、GC和CC 3种基因型。相关性分析表明,CAPN1的G458C位点与pH、剪切力和滴水损失差异显著相关(P0.05),CC基因型剪切力和滴水损失显著低于GG和GC型(P0.05),其他性状在各基因型间差异不显著。因此,推测CAPN1基因的突变位点G458C可以作为牛肉嫩度的遗传标记。     

青藏高原青稞及其他地区大麦种子表型的多样性分析

以青藏高原六棱裸大麦(即青稞)和其他地区大麦共323份种质为材料,探讨其种子长、宽、长宽比、面积、密度指标和千粒质量6个性状。结果显示,6个种子性状变异系数为5.68%~15.67%,多样性指数为1.83~2.07,表明参试材料种子表型变异大,具有丰富的表型多样性。除密度指标与种子面积间相关性不显著外,其余各性状间均呈极显著相关(P0.01);主成分分析将所有参试材料的6个种子性状分为2个主成分,其累计贡献率为93.41%。在主成分分析的基础上采用最小方差法(Ward’s method)对323份大麦材料进行系统聚类分析,可将其划分为4大类群,第Ⅰ、Ⅱ类群主要是青稞农家品种和育成年份较早的品种,第Ⅲ类群主要是青稞现代育成品种和高代品系,第Ⅳ类群主要是青藏高原地区以外的二棱皮大麦。可见,在开展青稞种质资源内杂交的同时,不同棱形材料间杂交是改良青稞种子性状的有效途径之一。     

特殊工况下农用三轮摩托车车架结构分析

针对农村路况的特殊性,运用通用有限元软件UGNX构建农用三轮摩托车的有限元模型,分析了静态条件下的车架的动刚度和弯曲刚度。同时构建了农用三轮摩托车后单边轮通过凸台、后双边轮通过凸台和前轮通过凸台3种特殊工况,分析了这3种特殊工况下三轮摩托车整车的动强度、变形量及应力。分析结果表明,静态条件下的车架结构满足设计要求,特殊工况下三轮摩托车整车结构有出现应力集中的地方,这些地方在设计时应该加强。     

An Hour’s Change:Psychological Analysis in Kate Chopin’s The Story of an Hour

This paper gives a brief introduction of Kate Chopin and his famous work The Story of an Hour [1].By analyzing the psychological change of the protagonist Mrs. Mallard and her reactions to her husband'...     

弓形虫基因分型研究进展

弓形虫可感染多种动物引起严重的弓形虫病,为了对不同宿主感染的弓形虫株基因型差异及不同基因型弓形虫虫株的致病力差异进行进一步研究,弓形虫基因型的分析多采用限制性片段长度多态性PCR（PCR-RFLP）、随机扩增多态性DNA、多位点PCR-RFLP分析、DNA序列分析和微卫星DNA序列分析等技术,扩增位点多选择SAG1、SAG2、SAG3、BTUB和GRA6等遗传标记。传统的弓形虫基因型主要有3个,随着基因型研究的不断深入,越来越多的基因型被发现。本文就弓形虫基因分型研究进展进行讨论分析。     

Do model choice and sample ratios separately or simultaneously influence soil organic matter prediction?

This study was performed to examine the separate and simultaneous influence of predictive models’ choice alongside sample ratios selection in soil organic matter (SOM). The research was carried out in northern Morocco, characterized by relatively cold weather and diverse geological conditions. The dataset herein used accounted for 1591 soil samples, which were randomly split into the following ratios: 10% (～150 sample ratio), 20% (～250 sample ratio), 35% (～450 sample ratio), 50% (～600 sample ratio) and 95% (～1200 sample ratio). Models herein involved were ordinary kriging (OK), regression kriging (RK), multiple linear regression (MLR), random forest (RF), quantile regression forest (QRF), Gaussian process regression (GPR) and an ensemble model. The findings in the study showed that the accuracy of SOM prediction is sensitive to both predictive models and sample ratios. OK combined with 95% sample ratio performed equally to RF in conjunction with all the sample ratios, as the latter did not show much sensitivity to sample ratios. ANOVA results revealed that RF with a ～10% sample ratio could also be optimum for predicting SOM in the study area. In conclusion, the findings herein reported could be instrumental for producing cost-effective detailed and accurate spatial estimation of SOM in other sites. Furthermore, they could serve as a baseline study for future research in the region or elsewhere. Therefore, we recommend conducting series of simulation of all possible combinations between various predictive models and sample ratios as a preliminary step in soil organic matter prediction.