排序方式: 共有52条查询结果,搜索用时 48 毫秒
51.
探究3种栽培牧草根系特征的差异,对维系川西北退化高寒草地地下生态系统结构和功能意义重大。本研究采用微根管原位监测与室内分析相结合的方法对紫羊茅、垂穂披碱草及老芒麦单播人工草地的根系特征及其土壤环境进行比较分析。结果表明:1)3种栽培牧草根系生长存在明显的季节节律,5-7月为生长高峰期,7-8月为现存高峰期,8-9月为死亡高峰期。2)3种栽培牧草根系现存量均随土层显著降低,其中老芒麦的根系现存量显著高于紫羊茅和垂穂披碱草(P<0.05);紫羊茅根系生产量和死亡量最高,根系净生长速率最低。3)紫羊茅的根系周转率显著高于老芒麦和垂穂披碱草,且随土层加深而显著增加(P<0.05)。4)结构方程模型(SEM)显示,牧草种类和土层深度不仅直接影响根系特征,而且通过改变土壤化学计量比和土壤理化性质,间接影响根尖数和根系动态特征,进而影响根系周转。综上所述,3种栽培牧草在根系生长与资源获取方面存在明显差异性。紫羊茅采取缩短根系寿命,加快根系周转的生长策略以保证营养吸收效率,而垂穂披碱草和老芒麦采取增加根系产量,以及延长根系寿命的策略减缓根系周转,并通过降低根系的碳消耗而增加了其碳汇功能以适应高寒环境。 相似文献
52.
作物及其近缘种抗病性的精准鉴定是筛选和培育作物抗病性品种的关键环节,是安全有效防治作物病害的重要方式,也是野生种质资源异位保存和开发利用的重要基础。传统的抗病性鉴定方法工作量巨大,且严重依赖于调查人员的主观判断,快速、准确的作物及其近缘种抗病性智能化鉴定方式是未来的发展方向。近年来,随着深度学习方法的快速发展与大量应用,基于深度学习的作物及其近缘种抗病性智能鉴定成为可能。本文首先以水稻3大病害(稻瘟病、白叶枯病、纹枯病)为例,从阐述其抗病性鉴定的规范标准和传统抗病性鉴定方法出发,随后从病害检测、病害分割和病害危害程度评估3方面综述了深度学习在作物及其近缘种抗病性智能鉴定中的研究进展,凝练了深度学习在抗病性鉴定上的应用情况和面临的难点与挑战,并对未来进一步研究的方向与发展趋势进行展望,旨在为深度学习在作物及其近缘种抗病性鉴定中的进一步研究应用提供参考。 相似文献