番茄苗期管理的关键技术

幼苗生长不同时期,要不断地调节温度。管理原则掌握好“三高三低”:即白天温度要高,夜间温度要低;晴天温度要高,阴雨天温度要低;出苗前、移苗后温度要高,出苗后、分苗前温度要低。番茄在播种后到出苗前,要维持较高的温度,白天28~30益,夜间20~24益,床土温度保持在20~25益,有利于出苗;苗出齐后要降低温度,白天降至20~25益,夜间12~15益;分苗后要注意保温,白天28~30益,夜间18~20益,促进幼苗快速发根,加快缓苗;缓苗后降温,白天控制在20~25益,夜间12~15益;定植前1周低温炼苗,白天18~20益,夜间可降至7~8益,增强幼苗的抗寒性。根据番茄不同生长发育阶段对水分的要求,管理的原则基本是“两足两控”:即播种水浇足,移植水浇足;播种后移植前要适当控水,移植缓苗后到定植前适当控水。     

树木年轮蓝光强度研究进展

蓝光强度是一种新的反映树轮密度的指标,自2002年提出以来,由于其操作简便且可能提供木质素密度的信息,在重建北半球高纬度、高海拔地区夏季气温变化方面展现出巨大潜力。对蓝光强度的原理和试验方法进行了概述,并对国外蓝光强度研究所取得的进展进行总结。通过对其存在的几个亟待解决的问题及现有的解决方案的论述,进一步明确蓝光强度的研究潜力,尤其是针对在国内开展蓝光强度研究的可能性进行了探讨。     

利用微藻规模化生产EPA的最佳条件探讨

[目的]探讨微藻规模化生产二十碳五烯酸(EPA)的最佳条件。[方法]研究了温度对ENN1001A生长及EPA产量的影响,分析了液位对温度的影响,阐述了EPA的规模化生产工艺。[结果]5月和9月EPA产量最高,分别达到738和786 mg/(m2·d),全年平均产量为666 mg/(m2·d),远高于文献报道的516 g/(m2·d)。全养殖季EPA与藻液平均温度变化相一致,整体上呈先下降后上升的变化趋势。[结论]研究结果可为EPA的规模化生产奠定基础。     

不同温度对顶果木种子萌发的影响

文章为研究不同温度条件下种子萌发的情况,将顶果木种子放在不同温度条件下进行萌发。结果表明,25℃时种子的发芽率和萌发指数已达到较高水平,分别为84%和19.14;30℃条件下种子具有最高的发芽率、萌发指数和较高的发芽势,分别为89%、21.88和83%,且萌发期间,种子对营养物质的转换能力较强,幼苗的抗逆性不断增强,完全能够达到早苗、齐苗和壮苗的要求。说明顶果木种子萌发的适宜温度为25~30℃,最适温度为30℃。     

不同运输条件对合浦珠母贝稚贝存活比较

比较运输方式及环境温度对合浦珠母贝稚贝运输中的存活影响,从而为稚贝运输过程中的运输方式、环境温度及运输时间的把握提供借鉴和参考。以3月龄稚贝为实验材料,运用无水干露、加水淹没及包装充氧等3种方式,分别在环境温度为5、13、21和29℃下模拟运输。每隔3 h从每组运输条件下取出1组实验贝,转移到正常养殖环境下暂养恢复,经48 h后统计其存活率。对运输时间与存活率之间进行非线性参数曲线拟合,计算每组运输条件下的致死时间(T_0)、半致死时间(T_(0.5))及全致死时间(T_1);运用双因素方差分析,Duncan氏方法比较3种运输方式及4种环境温度间的均值。结果显示:包装充氧优于其他两种运输方式,而加水淹没又优于无水干露;温度为13℃和21℃时优于其他2个环境温度,环境温度为17.60～20.05℃是稚贝运输的最佳温度。     

生乳储运条件对品质影响的探究

菌落总数是衡量生乳品质的重要指标之一。生乳中菌落总数基数越大,其品质越不稳定。但因为奶源产地等原因,生乳必须经过一段时间运输才能到达乳品企业进行生产,运输过程可能由于微生物繁殖导致生乳品质下降。试验选取菌落总数基数不同的两批生乳,通过在2~6 ℃和10~15 ℃条件下存放,模拟生乳在冷藏储运和脱冷储运状态下,分别储存24 h、48 h、72 h、96 h后进行菌落总数、酒精试验、酸度及脂肪酶活力检测。通过对比,找到生乳最佳储存温度和运输时间,为乳品企业和冷链运输提供参考。     

基于条件植被温度指数的夏玉米生长季干旱预测研究

为验证条件植被温度指数(VTCI)在夏玉米生长季干旱预测中的适用性,以河北中部平原为研究区,应用求和自回归移动平均(ARIMA)模型及季节性求和自回归移动平均(SARIMA)模型,对该地区VTCI时间序列数据进行分析建模预测。首先基于49个气象站点所在像素的VTCI时间序列数据,选取不同长度时间序列建立ARIMA模型,并分析时间序列长度与预测精度间关系,以期为时间序列长度选择提供依据;然后选择理想长度的VTCI时间序列数据,分别建立ARIMA模型和SARIMA模型,用于研究区域2017年夏玉米生长季VTCI预测,并分析评价两模型预测精度;最后采用性能较好的ARIMA模型逐像素建模预测,得到2016-2018年9月上旬至下旬VTCI预测结果。结果表明:基于ARIMA模型的VTCI预测精度与时间序列长度未呈现明显的相关关系,但随时间序列长度增加,模型预测精度逐渐趋于稳定;ARIMA模型对干旱的预测精度高于基于SARIMA模型,其1步、2步、3步VTCI预测结果均方根误差较SARIMA模型分别降低0. 06、0. 07、0. 09;ARIMA模型在不同年份夏玉米生长季VTCI1~3步的预测精度稳定性较好,2016-2018年1步、2步和3步VTCI预测结果绝对误差绝对值大于0. 20的像素平均百分比分别为5. 84%、6. 38%、8. 72%。