基于高通量测序分析高粱紫斑病叶片的微生物组成及多样性

本研究采用ITS高通量测序(扩增子测序)技术对已感染紫斑病(A和B)和未感染紫斑病(CK)的高粱叶片进行检测，以明确其真菌的群落组成及多样性。结果表明：高粱紫斑病病叶中真菌菌群组成丰富，总共检出820种真菌，3个样品共同拥有的为155种，所有菌群分属于9门29纲60目122科和206属。3份样品Shannon指数分别为3.98、4.67、4.11,按大小排序为B>CK>A。同时，含量排名靠前的属之间亲缘关系比较复杂，且没有出现前人报道的高粱尾孢Cercospora sorghi,可能的原因是引起该病害发生的病原菌发生了变化，或是存在由多种真菌共同作用从而导致病害发生的可能性。本研究结果能帮助我们更好地了解高粱紫斑病发病期叶片真菌的组成和分布的多样性，为该病害的研究和防治提供更好的指导作用。     

标准粮田规划与建设的技术措施

湖南邵阳县是个农业大县.2006年以来,该县以农业综合开发为平台,不仅每年改造667hm2中低产田,而且每年开展667hm2标准良田建设.在农业开发项目区标准良田建设助农增收的效应下,全县各乡镇积极组织广大农民,开展标准粮田建设和中低产田改造,至2009年底,全县已建成标准农田7 333hm2,占耕地面积的22%;改造中低产田1.4万hm2.2009年,该县被列入"国家新增500亿kg粮食生产项目县".     

Jiao头病害调查和综合防治研究

经１９９２￣１９９５年调查，江西有Ｊｉａｏ头病害１５种，其中以炭疽病，叶枯病发生面积大，损失重；对炭疽病和叶枯病的发病规律以及主要发病因素进行了系统观察研究。以此两种病害为重点防治对象，兼顾其他叶部病害及地下部病害。结合Ｊｉａｏ头生育规律，提出综合防治策略和措施，为江西Ｊｉａｏ头病害的防治提供了理论依据。     

基于近红外光谱的高粱籽粒直链淀粉、支链淀粉含量检测模型的构建与应用

【目的】高粱是酿酒和饲料的主要原料之一,其籽粒直链淀粉含量与支链淀粉含量的比值大小与白酒品质及饲料质量密切相关。传统的高粱成分化学检测方法已不适合高通量测试,采用改进最小二乘法（modified PLS）对高粱样品的近红外光谱图进行光谱预处理、得分处理和结果监控建立高粱籽粒直链淀粉、支链淀粉含量的预测模型,旨在得到一种快速高效低成本的检测方法,为高粱的遗传改良及品质分析提供依据。【方法】从450份高粱资源中筛选出112份代表品种作为校正集和验证集,通过双波长法测定112份高粱品种籽粒中直链淀粉、支链淀粉含量的化学值,并收集波长为850—1 048 nm的近红外光谱,对光谱进行扫描数据矩阵和化学数据计算得分（PL1）处理解释光谱间差异,剔除马氏距离（GH）大于3的超常品种以减小建模误差。采用Modified PLS回归技术建模,通过不同散射处理和导数处理等方法建立不同的定标模型。根据交叉验证标准偏差（SECV）、交叉验证相关系数（1-VR）确定最佳模型,并进行结果监控和非参数检验评估模型的预测性能。【结果】直链淀粉的近红外预测模型SECV是2.7732,1-VR是0.9503,相关系数（RSQ）是0.9688。Bias=0.229<2.7732（SECV）×0.6,即偏差（Bias）小于定标模型SECV的0.6倍;预测标准偏差（SEP）=1.266<2.7732（SECV）×1.3=3.60516,即SEP小于定标模型SECV的1.3倍,11.01（SD）—10.81（SD）=0.2<11.02（SD）×0.2=2.204即化学数据和近红外预测数据标准偏差（SD）差值小于化学数据SD的20%。支链淀粉的近红外预测模型SECV是1.7516,1-VR是0.8818,RSQ是0.9127。Bias=-0.014<1.7516（SECV）×0.6即Bias小于定标模型SECV的0.6倍,SEP=1.316<1.7516（SECV）×1.3=2.2708即SEP小于定标模型SECV的1.3倍,5.30–5.29=0.01<5.30×0.2=1.06即化学数据和近红外预测数据SD差值小于化学数据SD的20%。利用30份模型外高粱籽粒对模型的有效性进行两配对样本非参数检验,结果表明,直链淀粉含量和支链淀粉含量的测定值与预测值之间差异不显著（P=0.262>0.05;P=0.992>0.05）。【结论】所建立的近红外模型精准度高,稳定性好,能准确快速地检测高粱籽粒中直链淀粉、支链淀粉的含量,可用于高粱的遗传改良及高粱品质的检测。