中华稻蝗Knickkopf(Knk)基因分子特性和生物学功能

基于中华稻蝗转录组数据库,采用生物信息学方法搜索获得1条OcKnk基因全长cDNA序列,采用qRT-PCR检测其组织部位表达特性和其在表皮发育过程中表达情况,明确其分子特性,采用RNAi技术结合表型观察,研究其对中华稻蝗蜕皮和生长发育的影响,以明确其生物学功能。组织部位表达结果显示其在中华稻蝗体壁、前肠和脂肪体表达最高,发育表达结果显示其在表皮不同发育日龄均有表达,且在蜕皮前期和后期表达显著高于其他日龄。生物学功能研究表明,注射dsRNA后,多数虫体难以成功蜕去旧表皮,导致死亡,少部分可蜕至下一龄期,但活动力较低,行动缓慢,最终死亡。研究结果表明OcKnk参与昆虫生长发育和蜕皮过程,可作为重要靶标基因,为下一步害虫防治提供理论基础。     

京津冀一次区域性暴雨特征分析

利用FNL再分析资料、卫星资料和自动站资料对2019年7月22~23日京津冀一次区域性暴雨过程进行了环流形势、卫星云图、动热力结构的分析。结果表明:此次暴雨发生在500hPa两槽一脊、副热带高压北抬、低空急流的大尺度环流背景下。西南方向的水汽输送和黄渤海的补充水汽为暴雨提供了良好的水汽条件,在河北中部的水汽辐合抬升则为暴雨提供了抬升条件。此次暴雨的产生受中尺度对流云团的连续生成合并影响,降水效率高。在暴雨中心整层表现为低层辐合、高层辐散,上升速度中心明显,使得高层的抽吸作用更强,更有利于上升运动的维持与发展,为降水强度增大提供了有力的动力条件,高空弱冷空气的入侵对能量锋区不稳定能量的释放起到了触发作用。     

钾肥和硅肥对油用亚麻茎秆抗倒伏特性的影响

为了优化油用亚麻抗倒伏的肥料运筹措施,以‘陇亚11号’和‘定亚23号’为试验材料,通过裂区设计,研究了钾肥（不施钾、52.5 kg K₂O/hm²和105 kg K₂O /hm² 3个水平）和硅肥（不施硅和90 kg SiO₂/hm² 2个水平）用量对油用亚麻茎秆形态学、力学抗倒伏特性及产量的影响。结果表明：‘陇亚11号’的株高、重心高度及茎粗、壁厚、抗折力均显著大于‘定亚23号’,茎秆形态学及力学抗倒伏特性的综合影响下,‘陇亚11号’较‘定亚23号’倒伏率提高21.24%而产量降低9.43%。钾肥显著改善了抗倒的茎秆表观形态学特性,施钾后茎粗、壁厚、茎秆抗折力、抗倒伏指数提高而株高和重心高度降低,千粒重和籽粒产量分别提高7.35%和9.34%。硅肥对茎秆形态学、力学特性及籽粒产量均无主效应,但硅肥与钾肥的互作使茎粗显著增加。抗倒伏指数与茎粗、壁厚呈显著正相关,与株高、重心高度呈显著负相关。品种间的茎秆抗倒伏特性差异较大,施用钾肥显著改善了抗倒的茎秆表观形态学特性,优化了茎秆机械性能,增强了油用亚麻的抗倒伏能力;供钾量较低时,硅肥与钾肥对茎粗的互作正效应明显。     

3种水质调控方式下参池沉积物酶活性的比较研究

2015年10月至2016年9月对自然纳潮、微孔曝气、养水机3种水质调控方式下海参池塘沉积物中淀粉酶、蛋白酶、碱性磷酸酶、脱氢酶的活性进行了跟踪比较研究。研究结果显示,3种水质调控方式下池塘沉积物中的淀粉酶活性年变化为0.126~0.880 mg/g,年均值(0.410±0.180) mg/g,蛋白酶活性年变化为0.024~0.472 mg/g,年均值(0.190±0.103) mg/g,碱性磷酸酶活性年变化为0.068~1.042 mg/g,年均值(0.340±0.196) mg/g,脱氢酶活性年变化为12.092~52.794 mL/g,年均值(26.980±8.295) mL/g。3种水质调控方式下池塘沉积物中蛋白酶、碱性磷酸酶及脱氢酶活性均在自然纳潮池塘中均值最高,变化幅度最大;淀粉酶活性均值则在自然纳潮池塘中最低,养水机池塘最高,这与养水机池塘有机质最低,自然纳潮池塘最高,养水机池塘沉积物的细菌多样性最高,真菌数量最多有关。表明养水机能够快速去除沉积物中氮、磷有机化合物,有利于池塘的正常物质循环。本研究从沉积物酶活性的角度,探讨了养水机的作用效果与其他两种水质调控方式产生差异的机理。     

四川地区猕猴桃病毒1的RT-PCR检测及外壳蛋白基因序列分析

为了明确近期新西兰报道的侵染猕猴桃的新病毒——猕猴桃病毒1（Actinidia virus 1，AcV-1）在四川地区猕猴桃上的发生情况及其分子特性，采用RT-PCR对来自四川6个地区疑似感染病毒的90份猕猴桃主栽品种‘红阳’和‘金果’的叶片样品进行检测。结果表明，22份样品为AcV-1阳性，检出率为24.4%。将获得的5个AcV-1分离物和已报道的新西兰分离物K75的外壳蛋白（coat protein，CP）基因序列进行比对，结果表明，分离物间核苷酸序列和氨基酸序列的相似性分别为84.8% ~ 97.1%和89.7% ~ 99.6%，其中除邛崃分离物HYH5与新西兰分离物K75的核苷酸序列相似性较高（97.1%）外，其余4个分离物均低于91%。系统进化分析结果显示，这些分离物主要聚集在3个分支上，分离物HYH5与新西兰分离物K75位于同一分支，其余分离物位于另外2个分支。     

番茄/茄子嫁接对其根际土壤生物学性状及细菌群落结构的影响

以茄子作为砧木，番茄为接穗进行嫁接，并以番茄自根植株和茄子自根植株作为对照，基于传统及现代高通量测序技术分析根际土壤的生物学性状及细菌群落结构特征，旨在揭示嫁接植株抗性增强的机制。结果表明：番茄/茄子嫁接植株根际土壤中可培养细菌、放线菌数量，微生物生物量、酶活性和细菌丰富度、多样性指数均显著高于茄子和番茄自根植株；另一方面，norank_c_Acidobacteria、硝化螺菌属（Nitrospira）、芽孢杆菌属（Bacillus）、norank_f_Gemmatimonadaceae、norank_o_Gaiellales、norank_f_Xanthobacteraceae、norank_o_SC-I-84、norank_f_Anaerolineaceae、norank_f_Nitrosomonadaceae、鞘脂单胞菌属（Sphingomonas）细菌是嫁接植株与茄子、番茄自根植株根际土壤中的共有优势细菌属；g_unclassified_o_Ignavibacteriales 、 醋酸杆菌属（ g_Acetobacter ）、g_norank_f_Longimicrobiaceae 、g_unclassified_f_Verrucomicrobiaceae、g_norank_p_FBP、g_norank_p_Aminicenantes 属细菌是嫁接植株根际土壤的特有优势细菌属。与自根植株相比，番茄/茄子嫁接植株根际土壤存在更高可培养微生物数量，微生物生物量和相关酶活性，具有更高的土壤养分有效性，同时拥有不同占比的共有优势细菌门属，尤其拥有更为丰富的微生物可操作分类单元（operational taxonomic units，OTU）和特有 OTU 数量，这是嫁接植株抗性增强的主要原因。     

生物有机肥部分替代化肥对日光温室黄瓜产量、品质及肥料利用率的影响

采用随机区组试验,设5个处理:不施肥(CK)、当地常规施肥(100CF)、100%常规施肥+生物有机肥(100CF+SF)、90%常规施肥+生物有机肥(90CF+SF)、80%常规施肥+生物有机肥(80CF+SF),研究生物有机肥部分替代化肥对黄瓜产量及产出投入比、品质、养分分配及肥料利用率的影响。结果表明,从植株不同部位对氮磷钾的分配率来看,茎叶分配率最高,果实次之,根最少。与单施化肥的常规施肥处理相比,减少普通化肥20%的施用量同时配施400 kg · (667 m~2)~(-1)生物有机肥效果较好,可增加单瓜质量和黄瓜产量,降低黄瓜果实硝酸盐含量,提高可溶性糖、可溶性蛋白的含量,改善产品品质,提高氮、磷、钾肥利用率。     

新型缓控释增效肥研究进展和发展前景

传统肥料面临着利用率低、产能过剩等问题,新型缓控释肥通过新型包膜材料或者纳米技术,实现养分释放速度的可控性;通过添加信号物质,实现植物和化肥的互动,将植物养分需求规律作为主导因素,实现肥料的按需供给,达到减少化肥用量,提高肥料利用效率的目的。从定义、研发背景、分类及发展趋势等方面介绍了新型缓控释肥的研究进展,并对其未来发展进行了展望。     

不同光源对4种蔬菜幼苗叶绿素荧光及生理指标的影响

为了解不同光源或光源组合对茄子、辣椒、番茄、黄瓜幼苗叶绿素荧光及生理指标的影响,在4种基本光源的基础上,比较了不同光源处理下不同蔬菜植株叶片的叶绿素荧光参数、可溶性蛋白和可溶性糖含量。结果表明:红蓝光源不利于4种蔬菜幼苗叶片光合色素的形成,茄子、辣椒、番茄和黄瓜叶片中的光合色素含量分别在2白4红2黄、3白3红2黄、8黄或8红、8白光源下最高;茄子和番茄幼苗叶片在红蓝光源下,辣椒和黄瓜在3白3红2黄光源下,最大光化学效率和实际光化学效率都最大;茄子和辣椒幼苗在红蓝光源下所受非生物胁迫最小,叶片中可溶性蛋白含量最低,而番茄和黄瓜分别在3白3红2黄和8白光源下的可溶性蛋白含量最低;红蓝光源可明显增加4种蔬菜幼苗叶片的可溶性糖含量,对幼苗的形态建成有积极的影响。在冬春季蔬菜育苗生产中,可根据不同光源优势为不同种类蔬菜组配光源,以促进幼苗生长发育。     

基于粒子群算法优化BP神经网络的土壤含水量短期预测模型

为提高土壤含水量预测精度,基于物联网监测数据,提出了粒子群算法(PSO)优化BP神经网络的土壤含水量预测方法。首先应用主成分分析法筛选出影响土壤含水量的关键影响因子,然后构建8-5-1的BP神经网络拓扑结构,应用粒子群算法优化BP神经网络的初始权值和阈值。结果表明:与传统BP神经网络相比,新模型优化了网络结构,避免了陷入局部最优解,具有良好的预测效果;模型的评价指标平均绝对误差、平均绝对百分误差、误差均方根分别为0.259 2、0.010 5和0.135 6,与单一BP神经网络相比,预测精度更高,可满足实际的土壤含水量预测的需要。