响应面优化菌草灵芝水提物提取工艺及其纳米乳制备技术

以菌草灵芝为原料,研究液料比、提取时间、提取温度、旋转蒸发转速、离心转速、离心时间对菌草灵芝水提物得率的影响;在单因素试验基础上,通过Plackett-Burman试验筛选影响得率的关键因素,利用响应面法中Box-Behnken模型对提取工艺进行优化;最后通过伪三元相图法将菌草灵芝水提物制备成精粉纳米乳.结果表明：菌草灵芝水提物提取的最佳工艺条件为液料比27∶1、提取温度93℃、提取时间3 h、旋转蒸发转速50 r·min^-1、离心转速9 000 r·min^-1、离心时间15 min,在此条件下理论得率为13.94%,实际得率为13.53%.通过伪三元相图法确定菌草灵芝精粉纳米乳最佳制备条件：表面活性剂Tween80与Span80质量比4∶1,大豆油为油相,表面活性剂与助表面活性剂(丙三醇)质量比2∶1,0.5%菌草灵芝精粉水溶液为水相.此条件下得到的菌草灵芝精粉纳米乳为球形,粒径为151.8 nm, zeta电位为-21.29 mV.可见,该响应面优化菌草灵芝水提物提取工艺的模型合理,结合伪三元相图法能成功制备菌草灵芝精粉纳米乳.     

化肥减量配施菌草固氮菌肥对巨菌草生长、营养品质及土壤养分的影响

生物肥料替代部分化肥在植物种植中发挥了重要作用。利用从巨菌草根部筛选的优良内生固氮菌株制作菌草固氮菌肥,并进行田间随机完全区组试验,设不施肥（空白对照,CK₀）,灭菌的菌草固氮菌肥（基质对照,CK₁）,全量化肥（FHF）,菌草固氮菌肥（T₁）,菌草固氮菌肥+75%化肥（T₂）共5个处理,研究其对巨菌草生长、产量、营养品质及土壤理化性质的影响。结果表明：与不施肥相比,只施菌草固氮菌肥和菌草固氮菌肥+75%化肥处理均能显著促进巨菌草生长,提高其产量,改善巨菌草品质和土壤理化性质;与只施化肥相比,只施菌草固氮菌肥处理在不同程度上降低了巨菌草产量、粗纤维、木质素、粗灰分含量和土壤碱解氮、速效磷、速效钾、有机质含量;而菌草固氮菌肥+75%化肥处理下,巨菌草叶片数、分蘖数、粗蛋白、粗纤维、酸性洗涤纤维、木质素、粗灰分含量均显著高于只施化肥处理,巨菌草产量、株高、粗脂肪含量和土壤碱解氮、速效磷、速效钾、有机质含量比只施化肥高但差异不显著,中性洗涤纤维含量则低于只施化肥处理。因此,适当减施化肥配施菌草固氮菌肥（化肥菌草固氮菌肥+75%化肥）在稳定巨菌草产量的同时,也能够在一定程度上促进其生长,改善其营养品质和土壤理化性质。     

巨菌草根际高效解磷菌的筛选

为丰富解磷微生物菌肥种质资源库,助力农业可持续发展,从巨菌草根际土壤中分离筛选得到高效解磷微生物PJS-18,并对其进行了分子生物学鉴定及解磷、促生作用的研究.经检测,PJS-18菌株溶磷指数为2.19,产生的可溶性磷含量达82.87 mg·L^-1,碱性磷酸酶活性为87.17μmol·min^-1·L^-1.通过16S rDNA分子鉴定及表观测定初步确定其为枯草芽孢杆菌(Bacillus subtilis).盆栽试验结果显示：添加低浓度PJS-18菌液对小麦苗具有较强的促生作用,株高、主根长较有机肥对照组提高了12.01%、14.93%;地上部鲜质量、地下部鲜质量较有机肥对照组分别提高了12.07%、21.70%;根系长度、根表面积、根直径、根体积较有机肥对照组分别提高了53.30%、56.79%、3.13%、60.00%.综上,PJS-18菌株具有高效解磷能力,有良好的促生作用.     

不同光合-光响应曲线模型对调亏灌溉条件下巨菌草的适应性

以巨菌草为试材，采用盆栽控水试验法，研究了光合-光响应曲线模型-指数模型、直角双曲线模型、非直角双曲线模型及直角双曲线修正模型对巨菌草光合-光响应的适应性，以期为巨菌草合理灌溉及水分亏缺时模型的准确选择提供参考依据。结果表明：光合-光响应曲线会随着调亏灌溉的程度和调亏灌溉处理后处理时间延长而发生变化，亏缺程度和亏缺时间对光合-光响应曲线有叠加效应。模型验证发现，适宜水分亏缺条件下巨菌草的光合-光响应曲线模型为非直角双曲线模型。     

不同菌草品种叶片叶绿素含量的光谱特征参数模型研究

【目的】建立各种品种菌草叶片叶绿素光谱模型为快速无损地评估菌草健康状态提供理论依据。【方法】利用多光谱相机拍摄光谱信息，使用RGB和HSV两种颜色空间系统进行NDSI、RSI植被指数指标的建立，并采用4种回归算法进行叶绿素相对含量即SPAD值和光谱信息建模，选出合适菌草的模型。【结果】不同品种的菌草SPAD值差异不显著，主要是健康和干枯叶片的差异。叶片SPAD值和光谱反射值具有良好的相关性，RGB颜色系统红波段是最相关的波段，相关性达到-0.79。试验证明红波段的变化在健康叶片和干枯叶片之间更敏感。2种颜色系统综合评价，建模精度及稳定由高到低依次为：包含5个通道的RGB颜色系统，HSV颜色系统，仅包含R、G、B 3个通道的颜色系统。4种反演方法中，反演效果最好依次为随机森林机器学习方法、支持向量机机器学习和逐步线性回归方法、一元线性统计方法。预测SPAD值拟合效果最好的是RGB-NDSI-RF类型，其拟合数R²为0.95、RMSE为3.04、MRE为0.19，验证R²为0.75、RMSE为8.26、MRE为0.76。【结论】机器学习方法尤其是...