排序方式: 共有55条查询结果,搜索用时 46 毫秒
51.
毛竹叶螨及其天敌捕食螨的生态位研究 总被引:3,自引:1,他引:3
通过对福建南平西芹毛竹叶螨危害的毛竹林调查分析 ,结果表明 ,毛竹叶螨及其天敌对时空资源利用程度序列为 :捕食螨 (Bi =0 5550 ) >竹小爪螨 (Oligonychusurama) (Bi=0 4 467) >南京裂爪螨 (Schizotet ranychusnanjingensis) (Bi=0 30 97) >竹缺爪螨 (Aponychuscorpuzae) (Bi=0 2 875) >竹裂爪螨 (S .celarius) (Bi=0 1 674 ) >苔螨 (Bryobiasp .) (Bi=0 1 4 1 7)。捕食螨对南京裂爪螨、竹小爪螨、竹缺爪螨的时空跟随效应强 (Cij值分别为 0 574 3、0 4 830、0 4 371 )。叶螨间南京裂爪螨与竹缺爪螨对时空资源竞争最激烈 (Cij=0 60 76)。竹小爪螨与其它 4种叶螨竞争较激烈 (Cij>0 2 )。南京裂爪螨、竹小爪螨、竹缺爪螨 3种叶螨不同螨态中以竹小爪螨卵和成螨占有较大时空资源 ,其种内竞争激烈 (Cij值大 )。种间以竹缺爪螨和南京裂爪螨卵、幼若螨、竹缺爪螨幼螨与南京裂爪螨卵、竹小爪螨成螨与竹缺爪螨幼若螨竞争激烈 (Cij>0 4 )。捕食螨对 3种叶螨不同螨态的跟随效应以南京裂爪螨幼若螨、成螨、竹小爪螨成螨、竹缺爪螨幼若螨最强 (Cij>0 5) ,其余依次为竹小爪螨卵、南京裂爪螨卵、竹缺爪螨成螨、竹小爪螨幼若螨、竹缺爪螨卵 相似文献
52.
竹刺瘿螨种群消长及与生态因子的关系 总被引:1,自引:0,他引:1
通过对福建三明中村毛竹林内竹刺瘿螨(Aculus bambusae Kuang)种群的系统跟踪调查,调查结果表明:竹刺瘿螨种群数量年周期中有2个高峰期,分别为7月和10月,8月为明显的低谷期.灰色关联分析表明:所选择的8个林分因子对竹刺瘿螨种群动态的影响大小序列为林下植物盖度>竹林坡度>立竹密度>新竹高度>新竹胸径>2 a竹胸径>2 a竹高度>小年竹与大年竹比例;7个气象因子对竹刺瘿螨种群动态的影响大小序列为平均相对湿度>月降雨天数>月极端高温>月日照时数>月平均温度>月降雨量>月极端低温. 相似文献
53.
【目的】研究星天牛转录组信息及体内细胞色素P450单加氧酶(cytochrome P450 monooxygenase,CYP)、羧酸酯酶(carboxylesterase,CarE)和谷胱甘肽S-转移酶(glutathione S-transferase,GST)三大解毒酶系的表达谱情况,通过构建系统进化树,探析其这3种酶系基因家族的类别及其系统演化关系,为星天牛对多寄主种类的适应性与杀虫剂的抗药性机制研究提供依据。【方法】采用新一代高通量测序技术Illumina HiSeq TM 2500 对星天牛进行转录组测序与数据分析,通过数据筛选并进一步与鞘翅目近缘物种的解毒酶同源蛋白进行系统发育分析。【结果】经测序、序列拼接得到55 260条unigenes,将其与公共数据库进行同源比对,注释了32 247条unigenes,在Swiss-Prot数据库注释的unigenes的数量最多(99.11%);注释到Nr数据库时与赤拟谷盗的unigenes同源性最高(60.25%);在GO数据库中,共有8 083个unigenes被成功注释,根据其功能大致可分为3 类47 亚类;在KEGG数据库中,4 600 条unigenes与162个预测路径可以匹配。通过基因注释发现248条解毒酶系基因在星天牛体内表达,包括139条CYP基因、72条CarE基因、37条GST基因。系统发育分析发现,星天牛的大部分CYP基因都至少与一种鞘翅目近缘物种的CYP基因聚类在一起,P450基因中的CYP6家族数量与其他近缘物种(鞘翅目)类似,包含的基因数量最多;CarE解毒酶蛋白基因主要为β-酯酶、神经趋化蛋白、外源性代谢酶、未知等4种类型,分别可能参与星天牛的一些激素以及信息素的加工、神经和发育过程、消化与解毒等生理过程;星天牛的GST基因聚类主要包含Microsomal GST、Sigma GST、Omega GST、Delta GST、Theta GST等亚家族,具有保护生物大分子免受氧化损伤、催化活力等功能。【结论】本研究获得星天牛的转录组信息,初步探明星天牛体内三大解毒酶系的表达谱及分化情况,可为星天牛对多寄主种类的适应性与杀虫剂抗药性的产生及遗传机制研究提供基础数据和参考。 相似文献
54.
55.
为解决山地地形起伏大、无人机飞行高度高导致图像中尺度小且纹理模糊的松枯死木识别困难问题,该研究提出了一种在特征层级进行超分辨率重建的YOLOv5松枯死木识别算法。在YOLOv5网络中添加选择性核特征纹理迁移模块生成有细节纹理的高清检测特征图,自适应改变感受野的机制分配权重,将更多注意力集中在纹理细节,提升了小目标和模糊目标的识别精度。同时,使用前景背景平衡损失函数抑制背景噪声干扰,增加正样本的梯度贡献,改善正负样本分布不平衡问题。试验结果表明,改进后算法在交并比(intersection over union,IoU)阈值取0.5时的平均精度均值(mean average precision,mAP50)为92.7%,mAP50~95(以步长0.05从0.5到0.95间取IoU阈值下的平均mAP)为62.1%,APsmall(小目标平均精度值)为53.2%,相比于原算法mAP50提高了3.2个百分点,mAP50~95提升了8.3个百分点,APsmall提升... 相似文献