基于人工神经网络的狼尾草属牧草品质近红外光谱预测研究

本研究利用近红外光谱通过人工神经网络(Artificial neural network, ANN)建立狼尾草属(Pennisetum Rich)牧草水分、粗蛋白、木质素、酸性/中性洗涤纤维及灰分含量的预测模型。结果表明：基于人工神经网络的狼尾草属牧草品质预测模型总体优于全光谱偏最小二乘法(PLS)模型效果。在人工神经网络的方向传播(BP)网络模型中,6项表征牧草品质指标的校正均方根误差(RMSEC)、预测均方根误差(RMSEP)均显著低于PLS模型,同时校正集决定系数(R■)、预测集决定系数(R■)显著提高,除灰分含量预测不理想外,其他预测效果均理想。同时人工神经网络的BP网络对于近红外光谱的非线性数据具有良好的拟合能力,其预测模型对于指导狼尾草属牧草品质预测和分级管理研究具有广阔的应用前景。     

垂直切根可以改善松嫩草地羊草生长

为了改善松嫩平原羊草(Leymus chinensis)草地日益退化及生产力急速降低的问题,本研究依据羊草克隆生长能力强的特点,在羊草草地分别设计了刀片间距为20与30cm,深度为5、10、15cm共6种组合的切根处理,并在羊草的生长周期内对其高度、密度以及生物多样性等特征进行分析。结果表明,不同的切根处理均对羊草的生长状况产生了一定影响,切根深度为5和10cm时均能显著提高羊草的高度和密度,显著降低了群落多样性指数(P0.05),其中以5cm切根深度对羊草的生长最有利。因此得出结论:适宜的切根处理能够改善羊草的生长状况,对羊草草地的管理具有一定价值。     

“实践八号”搭载8个苜蓿品种细胞学效应研究

通过“实践八号”育种卫星搭载8个苜蓿Medicago sativa品种干种子,研究苜蓿根尖细胞学效应。研究结果表明,航天诱变促进了8个苜蓿品种的根尖细胞有丝分裂活动,龙牧803有丝分裂指数的辐射生物损伤增加的幅度最大,草原1号增加的幅度最小。同时,航天诱变诱发了8个苜蓿品种根尖细胞产生染色体断片、染色体粘连、游离染色体、落后染色体等畸变类型,染色体断片是主要畸变类型,Pleven6总畸变率最大,肇东苜蓿总畸变率最小,初步推断8个苜蓿品种中Pleven6对航天诱变的敏感性最高,肇东苜蓿的敏感性最低。     

中重度退化羊草草地深耕翻植被重建技术研究

为探寻严重退化羊草草地的合理建植方式,提高草地的耐刈性和稳定性,选取6种改良措施,即围栏封育、松土补播羊草、深耕翻种植羊草、深耕翻种植无芒雀麦、深耕翻种植无芒雀麦与紫花苜蓿、深耕翻种植紫花苜蓿分析重建组合群落生产力,评价重建效果。结果表明:各重建措施对退化草地在数量和质量上都有明显的改良效果,深耕翻种植羊草改良草地3~4年后,其植被盖度可达90%,鲜草增产率可达60%以上,增产达到5 194.65kg·hm-2,且植被类型丰富。     

杂交狼尾草与不同牧草混合青贮效果研究

试验旨在研究杂交狼尾草（hybrid Pennisetum）与不同牧草进行不同比例混合青贮的适宜组配方法。试验选取拉巴豆（Lablab purpureus）、籽粒苋（Amaranthus hypochondriacus）、甜高粱（Sorghum bicolor）为混合对象，按原料鲜重计，混合比例分别为80∶20、70∶30、60∶40。青贮45 d，对青贮料进行感官评价、营养成分分析、青贮发酵品质分析和kaiser评分。结果显示，杂交狼尾草与拉巴豆按80∶20和70∶30比例混合能够显著提高青贮料的粗蛋白（CP）、中性洗涤纤维（NDF）、酸性洗涤纤维（ADF）、水溶性碳水化合物（WSC）含量和相对饲喂价值（RFV）(P<0.05)。杂交狼尾草与甜高粱按70∶30比例混合能够显著降低乙酸和丁酸含量（P<0.05），提高青贮料发酵品质。杂交狼尾草与籽粒苋混合青贮组的pH值和乙酸含量升高，未能提升青贮料发酵品质。研究表明，杂交狼尾草与拉巴豆的适宜混合青贮比例为80∶20和70∶30，杂交狼尾草与甜高粱的适宜混合青贮比例为70∶30。     

苜蓿根系形态结构的分形分析

根系形态结构是影响植物生长的重要因素。应用分形理论推导出根系长度与粗度（直径）的分形维数的计算方程,初步研究了苜蓿（Medicago sativa L.）根系形态特征。结果表明：推导出的分形维数计算公式可以应用于苜蓿根系结构的研究,并且分形维数的大小能够表征苜蓿根系形态结构特性。     

基于GIS的人工草地杂草种群空间变异图的建立与分析

通过运用GPS(全球定位系统)采集地块信息,结合地理信息系统(GIS)技术,进行数据处理,创建数据库、地图生成等操作,并应用克里格(Kriging)插值法生成杂草空间变异图,对苜蓿种植区域杂革空间变异特征进行分析.结果表明:生成的杂革种群空间变异图能够根据杂草种群相对多度的斑块大小、形状及空间分布等特点,了解苜蓿人工草...     

基于MATLAB的苜蓿草品质分级系统

为了客观评估苜蓿（Medicago sativa L.）草品质的等级,采用MATLAB中BP人工神经网络,利用苜蓿粗蛋白（CP）、中性洗涤纤维（NDF）、酸性洗涤纤维（ADF）、随意可消化量（DDM）、采食量（DMI）参数建立BP神经网络模型。通过200个苜蓿样本进行网络训练,并采用不同的BP神经网络隐含层的传递函数和隐含层神经元数量,获得最优BP神经网络模型。结果表明：在5个特征参数指标下,仿真评价苜蓿草品质等级的准确率达到99.6%,与人工评估结果相比,仿真结果更符合苜蓿草品质的客观现实。在此基础上,介绍已经开发建立的我国首个苜蓿草品质分级系统,有助于未来在苜蓿草市场中发挥其等级评定的应用潜力。     

基于GIS在苜蓿叶面积测定中的应用

简便、快速、准确的苜蓿(Medicago sativa)叶面积测量方法,对牧草作物冠层结构的对比研究具有重要意义。采用SCX 4623FH扫描仪获取苜蓿叶片300 dpi灰度图像,经R2V软件矢量化,在地理信息系统(GIS)中利用VBA宏语言提取其面积和周长等信息。结果表明,GIS提取信息与参照物实际信息相比,测定叶片周长、面积的平均相对误差为0.177%和1.68%,远小于叶面积仪器的测量误差(5%~15%),说明GIS空间分析技术应用于苜蓿叶面积测定是切实可行的。与其他叶面积测定方法相比,GIS空间分析技术测定叶面积具有精确、简捷、数据批量化等优点,适于在科研领域和生产上推广使用。