排序方式: 共有58条查询结果,搜索用时 109 毫秒
51.
为四川大邑移栽野生大茶树种质资源的综合利用与科学保护提供参考,采用GPS定位对四川移栽野生大茶树种质资源进行编号与拍照,并对其相关性状进行调查和叶芽采集,利用9对SSR核心引物对41份野生大茶树种质资源进行全基因组基因分型及遗传多样性和亲缘关系聚类分析。结果表明:9对SSR引物在41份野生大茶树种质资源中共检测到41个等位基因和75种基因型,每对引物检测到3~7个等位基因,平均4.6个,4~18种基因型,平均8.33种。PCR扩增条带的基因多样性指数、扩增位点的多态性信息指数和杂合度分别为0.501 7~0.713 0、0.443 1~0.761 0和0.561 0~0.731 7,平均分别为0.624 9、0.571 6和0.577 2。在遗传距离为0.28处,UPGMA聚类方法将41份移栽野生大茶树种质资源分为4类。Ⅰ类包含CDDY5和CDDY9,Ⅱ类包含CDDY24和CDDY32,Ⅰ类和Ⅱ类均占群体样本总数的4.8%;Ⅲ类包含CDDY40、CDDY37、CDDY38、CDDY35和CDDY8,占群体样本总数的12.1%;Ⅳ类包含CDDY14、CDDY15和CDDY28等32个材料,占群体样本总数的78%。移栽野生大茶树具有丰富的遗传多样性,建议筛选具有当地特色的部分野生大茶树进行驯化栽培,并对其进行合理科学利用与保护。 相似文献
52.
随着我国生态环境的不断恶化,我国政府部门已经极为重视林业资源保护工作,并且正在积极努力的构建森林防火安全管理部门。但是由于起步时间较晚,导致我国相关的林业保护部门在实际进行森林防火管理的过程当中仍然存在着诸多问题,这些问题如果得不到有效地解决,我国的森林防火管理水平将会很难得到有效地提升,同时也无法为森林安全提供必须要的保障。本文就林业资源保护及森林防火管理措施做了简要的分析。 相似文献
53.
为筛选出适合贵州饲养的优良家蚕斑纹限性育种材料,应用杂交优势技术,再模拟饲养环境条件(春季低温高湿、秋季高温高湿)获取了表现一致且较为理想的8个种质材料。初步鉴选结果表明:龄期经过短的材料,死笼率相对较低,抗NPV病毒较强,但单位质量茧粒数多,全茧量和茧层量较轻。龄期经过长的材料,死笼率相对较高,抗NPV病毒较弱,但单位质量茧粒数少,全茧量和茧层量较重。培育高丝量蚕品种可以选择龄期经过较长的品系(种)作基础素材;培育抗病性强蚕品种可以选择龄期经过较短的品系(种)作基础素材。 相似文献
54.
以七年生湘南梨(Xiang-nan Pyrus)为研究对象,观察新梢及果实的生长动态,并进行相关性分析.结果表明,新梢3月中旬开始生长,7月下旬停止生长,生长期达119 d,生长过程中出现3~5次生长高峰,新梢生长3~4次,生长高峰4次,净生长量高峰3次;叶片生长3~5次,生长高峰3次,净生长量高峰5次;加粗生长4~5次,生长高峰5次,净生长量高峰4次.果实生长从4月上旬花谢幼果期开始,直至8月下旬停长,生长期达126~133 d,果实纵横径在生长过程中出现4~7次生长高峰期,生长高峰4次;净增长量高峰现4~7次,果实纵径7次,果实横径4次.果实生长曲线和新梢生长曲线是逐步升高的单曲线,有4次生长高峰,呈双“S”曲线;果实净生长量有4~7次生长高峰,其生长曲线是双“S”或多“S”曲线,而新梢生长的净生长量有3次生长高峰,呈“S”曲线.建议梨树栽培管理时要求头年加强水肥管理的同时,4月下旬为最佳施肥时期,同时在果梢生长旺期加强根外追肥来缓解养分的竞争. 相似文献
55.
<正>1疏散分层形的特点有明显的中心干,主枝57个,分27个,分23层着生在中心干上。成形后树冠呈半圆形,通风透光良好,寿命长,产量高,负载量大。适于立地条件好和干性强的稀植树。2培养疏散分层形的关键技术措施2.1定干晚实核桃结果晚,树体高大,定干应高些,一般为1.73层着生在中心干上。成形后树冠呈半圆形,通风透光良好,寿命长,产量高,负载量大。适于立地条件好和干性强的稀植树。2培养疏散分层形的关键技术措施2.1定干晚实核桃结果晚,树体高大,定干应高些,一般为1.72.0 m(干高1.22.0 m(干高1.21.5 m),如为株行距较大 相似文献
56.
通过对比分析全球主要生态系统研究网络,评估非洲生态系统研究和监测能力及差距,提出构建非洲生态系统监测网络的框架与方案,形成洲际生态系统评估方法及监测网络布局设计;并通过建立典型监测站,作为非洲生态系统监测网的示范和培训基地,为非洲提供一个生态系统管理的示范,为提升非洲乃至全球应对气候变化的能力提供支持。 相似文献
57.
应用哨兵2号卫星遥感影像数据和机器学习算法对锡林郭勒草原土壤表层有机碳及全氮的估算 总被引:1,自引:0,他引:1
以锡林郭勒草原为研究区,应用谷歌地球引擎(GEE)云计算平台、哨兵2号卫星(Sentinel-2)遥感数据及其他辅助数据,选择随机森林(RF)、支持向量机(SVM)、多层感知器(MLP)模型3种机器学习算法,对土壤表层(0~20 cm)30 m分辨率的土壤有机碳(SOC)和土壤总氮(STN)质量分数进行估算,比较不同方法的精度差异,分析各影响因素的重要性。结果表明:(1)3种机器学习算法中,随机森林模型对土壤有机碳、土壤总氮估测效果最佳(土壤总氮模型,决定系数为0.67、均方根误差为0.024、百分比偏差为2.09、四分位数间距性能比(RPIQ)为2.14;土壤有机碳估测模型,决定系数为0.68、均方根误差为0.17、百分比偏差为2.26、四分位数间距性能比为2.37)。(2)各影响因素重要性评价结果表明,哨兵2号卫星遥感数据、植被指数,对土壤有机碳、土壤总氮估算贡献较大;在土壤有机碳估测模型中,光谱反射率信息贡献率为30.9%,植被指数贡献率为28.4%;在土壤总氮估测模型中,光谱反射率信息贡献率为23.2%,植被指数贡献率为46.5%。(3)锡林郭勒草地,土壤有机碳、土壤总氮质量分... 相似文献
58.