基于GC-MS流苏树种子挥发性成分分析

为研究流苏树种子的成分,探讨不同溶剂提取流苏树种子成分的差异。本研究分别采用石油醚、二氯甲烷和丙酮提取流苏树种子成分,以GC-MS联用技术对其化学成分进行分析。结果显示:石油醚提取物含有10种烷烃类、16种酯类和1种酰胺类化合物,占色谱总流出峰面积的91.36%,其中十六烷酸甲酯(10.83%)、反式-13-十八碳烯酸甲酯(60.67%)和6-十八碳烯酸甲酯(11.29%)含量较高;二氯甲烷提取物含有10种烷烃类、4种酯类、2种酸类和3种烯烃类化合物,占色谱总流出峰面积的80.85%,其中1,2-二甲基环戊烷(8.21%)、十六烷酸(14.51%)、(Z,Z)-9,12-十八碳二烯酸(35.93%)等化合物含量较高;丙酮提取物含有10种烷烃类、11种酯类和2种烯烃类化合物,占色谱总流出峰面积的98.23%,其中十六烷酸甲酯(14.07%)、(Z,Z)-9,12-十八碳二烯酸甲酯(44.65%)、(E)-9-十八碳烯酸甲酯(12.27%)和十八酸甲酯(15.62%)含量较高。石油醚和丙酮提取酯类的效果优于二氯甲烷,在提取酸类和烷烃类化合物时,二氯甲烷效果更佳。不同的溶剂提取流苏树种子成分的组成和含量存在一定的差异。     

基于PCA-Attention-LSTM网络的土壤氮含量监测

土壤作为农作物生长的主要营养来源,氮是植物生长的重要元素,有效评价土壤氮素含量可以促进配方施肥的发展。提出主成分分析、注意力机制和长短时记忆神经网络相结合的模型(PCA-Attention-LSTM)来监测土壤的氮素含量。采用PCA(主成分分析)对数据进行处理,提取影响土壤氮含量的关键影响因子,降低模型向量输入的维数,利用注意机制突出预测中的关键输入特征。在Keras深度学习框架的基础上搭建PCA-Attention-LSTM的网络模型,实现对未来2 h土壤氮含量的精监测。最后,以黑龙江省依安甜菜养植基地的数据对土壤氮含量进行训练和验证。结果表明,与RNN等其它网络模型相比,该模型的效果更好,基于PCA-Attenlion-LSTM网络模型的平均绝对误差,均方根误差和平均绝对百分误差分别为0.119、0.020、0.156。该模型预测精度高,泛化能力强,可以应用于土壤氮含量的监测。     

基于主成分与聚类分析的大茎野生种血缘后代育种潜力评价

以12份大茎野生种血缘后代材料及生产上大面积推广种植的ROC22和粤糖93-159为试验材料,对其7个工农艺性状进行主成分和聚类分析。结果表明:供试材料各性状间存在较高相关性;主成分分析将7个性状降为3个主成分,这3个主成分能解释表型变异的95.7057%。基于3个主成分进行二维排序和聚类分析,筛选到8(云瑞14-204)和6(云瑞14-199)2份优质材料,能较好地为大茎野生种的创新利用和品种改良提供科学依据。     

脱毒‘烟富3号’与未脱毒‘烟富3号’苹果香气成分差异分析

采用顶空固相微萃取、气相色谱-质谱联用技术检测分析了脱毒‘烟富3号’与未脱毒‘烟富3号’苹果果肉、果皮中的香气成分。结果表明:脱毒对‘烟富3号’苹果果肉、果皮中的香气成分影响明显,其中脱毒‘烟富3号’苹果果肉含有19种香气成分,总含量为271.88μg/kg,比未脱毒‘烟富3号’苹果果肉中检出的香气成分多5种,总含量高97.88μg/kg;从脱毒‘烟富3号’苹果果肉中检测到7种独有的香气成分,包括2-甲基丁酸乙酯、2-甲基丁酸丙酯、甲酸己酯、己酸己酯、丙酸丙酯、丁酸丙酯、(E)-2-己烯醛。脱毒‘烟富3号’苹果果皮中的香气成分为29种,总含量为1 408.77μg/kg,比未脱毒‘烟富3号’苹果果皮中检出的香气成分多1种,总含量高696.36μg/kg;从脱毒‘烟富3号’苹果果皮中检测到4种独有的香气成分,包括2-甲基丁酸丙酯、丙酸己酯、2,3-二甲基-1-戊烯、2-甲基丁酸。综合来看,脱毒‘烟富3号’苹果香气品质优于未脱毒‘烟富3号’苹果。     

基于主成分分析的B、Cu胁迫下油菜 生理响应机制研究

为研究油菜在B、Cu胁迫下的生理响应机制,找出最佳的B、Cu浓度配比,采用5种不同浓度的Cu溶液和3种不同浓度的B溶液交叉处理盆栽油菜幼苗,胁迫20 d后测定油菜的叶绿素含量、蛋白质含量、硝态氮含量、淀粉酶活性、丙二醛含量以及过氧化物酶活性。采用主成分分析法分析不同处理下各指标的变化规律。结果表明,T_(200)B_1组合时综合权重最高,即B 0.5 mg/L、Cu 200 mg/L配施时对各项综合指标最好,其次是Cu 100 mg/L、B 0.5 mg/L,说明0.5 mg/L的B对高浓度的Cu胁迫有较好的缓解作用,适量的B、Cu施用对油菜生长有很好的促进作用。各项指标在主成分中的权重排序得出,不同B、Cu处理对叶绿素影响最大。     

绿豆的研究进展

为绿豆的深入研究提供参考,从形态特征、品种资源与栽培、选购与储藏、营养成分、药理作用、产品及食用注意事项等方面进行了概述。     

基于农田管理分区的制种玉米产量估算与限制因子评价

为了提升规模化农田不同管理分区的玉米产量,实现精准管理,该研究使用相关成分回归法(Correlated Component Regression,CCR),考虑地形因素(高程)、土壤理化性质(砂粒、粉粒、黏粒、容重、土壤含水率、土壤有机碳、全氮、全磷、速效氮、电导率)11个因子,评估规模化农田和聚类分析得到的3个管理区(M1、M2和M3)内产量的限制因子,并在不同分区内建立产量估算模型。模型验证结果表明:未分区的情况下,产量限制因子为土壤粉粒、砂粒、土壤有机碳、土壤含水率、速效氮和全氮,经验证,产量估算模型的决定系数(R~2)为0.70,标准均方根误差(Normalized Root Mean Square Error,nRMSE)为0.21。分区后,M1的产量限制因子为土壤粉粒、砂粒、黏粒、速效氮、电导率、全氮和全磷,M2的产量限制因子为土壤粉粒、砂粒和土壤含水率,M3的产量限制因子为高程、土壤砂粒、黏粒和电导率,产量估算模型的精度高(经验证,0.71R20.83,0.16nRMSE0.18)。对农田进行分区管理,并根据各管理区内作物产量的限制因素制定分布式管理策略,可以更具针对性地提升作物产量。     

主成分分析法在耕地地力评价中的应用

运用主成分分析法对余姚市标准农田地力提升项目区的耕地进行地力评价。随机选取27块耕地的11个评价指标,对各评价指标先进行数据标准化处理,再进行主成分分析。分析结果表明,第1~3主成分代表了评价指标82.1%的信息。根据主成分的综合得分划分耕地地力等级,分析结果与其他评价方法得出的结论基本一致。