机理Ⅰ植物铁营养的吸收转运及信号调控机制研究进展

铁是植物正常生长发育必需的微量元素之一。在通气良好的碱性或石灰性土壤中,常常因铁有效性低而难以满足植物生长发育所需,缺铁已成为继缺氮和缺磷之后农业生产所面临的又一重要的营养障碍因子。与机理Ⅱ植物相比,机理Ⅰ植物更易缺铁,因此全面了解机理Ⅰ植物的铁吸收及利用机制是分子育种改良此类植物铁营养的重要基础。基于国内外的相关研究进展,从机理Ⅰ植物的根际铁活化、根系铁吸收、木质部和韧皮部中的铁运输以及胞外和胞内铁的再利用等几方面进行综述;在此基础上,从bHLH和MYB转录因子调控网络、蛋白的泛素化修饰以及小分子化学信号调控途径等几方面,重点阐述机理Ⅰ植物铁营养吸收、转运及稳态平衡过程的调控机制;同时,对研究中存在的部分问题及未来研究方向进行简要的讨论分析。     

最小二乘法与SVM组合的林果行间自主导航方法

为了提高作业装备在果园与树林行间的自主导航性能,该研究提出一种基于最小二乘法与支持向量机(Support Vector Machine,SVM)融合的树行识别与导航方法。研究采用履带式小型喷雾机为作业平台,通过低成本的单线激光雷达获取果园或树林环境点云数据,融合姿态传感器进行数据校正,利用最小二乘法拟合识别树行,结合SVM算法,预测果园行间中心线,作为作业平台的参考导航线。在桃园、柑橘园、松树林3种不同的行间环境对导航算法进行了测试验证,并以松树林导航为例进行分析。试验结果表明:该导航算法最大横向偏差为107.7 mm,横向偏差绝对平均值不超过17.8 mm,结合作业平台的行驶轨迹,说明该导航算法能够保证作业平台沿树行行间中心线自主导航行驶,能够满足作业装备在果园与树林行间自主导航作业的需求。     

能值方法在农业系统应用中的常见问题及其纠正思路探讨

能值方法是美国生态学家H.T. Odum在20世纪80年代创立的生态经济系统分析方法,近年来被广泛应用于农业系统分析当中。但是,目前已发表的大量论文中对于能值评价过程中的重要细节常会出现不同的处理方式,造成评价结果不确定性增加、可比较性降低,影响了能值评价方法在农业研究领域的深入应用和发展。因此,本研究梳理了国内外农业生态系统能值研究的基本概况,并总结了相关研究中常见的五大问题,包括:全球能值基准变化所引发的能值转换率选择混乱问题、农业生态系统评价边界界定的问题、农业生产过程环境资源贡献的不合理计算问题、农业生态系统投入资源的分类问题和系统能值投入与产出不守恒问题。在此基础上,基于我们目前的认识提出了相关问题的解决思路:第一,规范能值评价中的能值转换率(UEV)参数的选择原则;第二,基于"四维时空尺度"标准界定系统边界;第三,构建公式合理体现土壤、农业用水在农业系统能值分析中的能量贡献;第四,基于农业生态系统能值常用指标设定4组标准规范农业生态系统投入资源的分类;第五,遵循能值代数规则保证能值守恒。通过以上分析,以期引起广大学界的讨论和批评,共同促进能值方法在全球农业系统分析中的规范化应用。     

法治与国家治理现代化的关系

国家治理的发展经历了漫长的历程,发展到现在,提出了新的要求—国家治理现代化。良好的国家治理与良好的制度设计密不可分,法治应运而生。本文将从实施法治的必要性和国家治理现代化面临的挑战入手,希望理清法治与国家治理现代化的关系。     

大鲵蛙病毒巢氏PCR检测方法的建立

参照GenBank已收录的大鲵蛙病毒MCP基因序列设计特异性引物,建立基于大鲵蛙病毒特异性引物的巢式PCR检测体系。本试验利用大鲵蛙病毒CGSV主要核衣壳蛋白MCP基因保守区,设计内引物和外引物并制备了重组质粒pMD19-T作为阳性对照标准品。灵敏度试验结果显示,巢氏PCR的敏感性较普通PCR的敏感性高1 000倍;而且与草鱼呼肠孤病毒(Grass carp reovirus,GCRV)、鲫鱼疱疹病毒2型(Goldfish herpes virus,CyHV-2)、云斑尖塘鳢虹彩病毒(Marbled sleepy goby iridovirus,MSGIV)、迟钝爱德华菌(Edwardsiella tarda)、嗜水气单胞菌(Aeromonas hydrophila)、维氏气单胞菌(Aeromonas veronii)等无交叉反应。该体系具有简便、快捷、特异性高、低成本等特点,为大鲵蛙病毒检测提供了一项重要的技术手段。     

糜子矮秆突变体“819”矮秆基因的遗传学分析

为揭示糜子矮秆突变体“819”矮秆基因的遗传规律,为后续定位矮秆突变基因提供理论基础,研究调查了糜子矮秆突变体“819”与高秆材料J12,以及它们杂交产生的674个F₂代个体的株高、穗长、穗颈长、分蘖数、茎节数、二级枝梗长度1、二级枝梗长度2、二级枝梗长度3、二级枝梗间距1、二级枝梗间距2共10个性状,进一步利用方差分析、卡方检验、相关及回归分析、主成分分析对这些性状进行研究。结果表明,糜子矮秆突变体“819”的矮秆性状是由单基因控制的隐性性状;株高与穗长、穗颈长、分蘖数、茎节数、二级枝梗长度1、二级枝梗长度2、二级枝梗长度3、二级枝梗间距1呈极显著正相关(P<0.01),与二级枝梗间距2呈显著正相关(P<0.05);株高(Y)对其他农艺性状的回归方程为:Y=-18.446+1.491X₁+1.222X₂+6.827X₄+1.319X₇+0.746X₈,回归方程的拟合度为0.811,回归方程经显著性检验达到极显著水平(P<0.01),可以利用回归方程对株高进行预测;糜子F₂群体的10个性状进行主成分分析获得3个主成分,这3个主成分的累积贡献率高达72.656%,3个主成分分别被命名为长度因子、茎节数因子、枝梗间距因子。研究结果为矮秆基因定位、矮秆后代的评价选择提供了依据。     

基于智能手机的便携式多功能食品安全快检系统开发

为解决目前食品安全快速检测系统集成化程度低、图像采集装置便携性差的问题,以智能手机为检测工具,采用数字图像比色法,对莱克多巴胺的现场快速定量检测问题进行研究。设计便携式图像采集装置固定拍摄环境,使用菲涅尔透镜汇聚光线,利用智能手机准确获得检测卡与微孔板的图像信息;设计基于OpenCV的图像处理算法和智能手机应用程序,在移动终端实现对检测卡和微孔板反应区域的自动识别和颜色特征的分析。结果表明：1）本研究设计的图像采集装置可以对检测卡与微孔板准确成像,颜色特征变异系数CV<3%;2）利用免疫层析法和免疫吸附法对莱克多巴胺进行快速检测,2种方法对应的颜色特征值与莱克多巴胺的质量浓度均呈对数关系,决定系数R²>0.97,其中,免疫吸附法的检测结果与酶标仪检测结果基本一致（R²=0.987 3）。本系统具有便携、快速等优点,不需要实验室设备,适用于非专业人员在现场对莱克多巴胺进行快速定量检测。     

1株致病性兔无乳链球菌的分离、鉴定与系统发育分析

从患病家兔肝、肺、脑和心血中分离到1株链状革兰阳性球菌P110323,以1×106 CFU/mL菌液灌胃感染健康家兔后,表现出站立不稳、四肢划动、惊厥和呼吸障碍等症状,感染96 h后,死亡率为60％.解剖见肺淤血、出血;肝、脾和肾肿大,坏死;大脑肿胀,脑膜充血,脑回肿胀扁平,脑沟变浅.分离菌在BHI平板上形成湿润、边缘整齐的灰白色菌落;在5％的脱纤维羊血平板上形成透明的β溶血环;V-P试验、水解精氨酸与马脲酸等为阳性;水解七叶苷和利用甘露醇、山梨醇和乳糖产酸为阴性.16S rDNA系统发育分析显示分离菌与Streptococcus difficilis和Streptococcus agalactiae聚在一簇.gyrB基因系统发育分析表明分离菌属于无乳链球菌(S.agalactiae),结合细菌形态特点和生理生化特性鉴定该病原菌为无乳链球菌(S.agalactiae),多重PCR方法确定该菌荚膜多糖类型为Ia型.     

镉胁迫对菊芋生理变化及镉富集的影响

通过用耐镉性较好的徐州菊芋和耐镉性较弱的潍坊菊芋进行对比试验,设置土培CK(Cd~(2+) 0 mmol/L,即对照组)、T1(Cd~(2+) 0.1 mmol/L)、T2(Cd~(2+) 0.5 mmol/L)和T3(Cd~(2+) 1.0 mmol/L)4个处理组,探讨菊芋镉胁迫下各项生理指标和根际土壤指标以及富集能力的影响。结果表明:经过不同镉浓度胁迫21天后,2个菊芋品种的根长、株高、叶长、叶宽均受到相应程度的抑制,抗氧化酶活性随镉浓度的增加而减弱;但丙二醛(MDA)含量变化有所不同,潍坊菊芋的MDA含量伴着镉胁迫加深而增加,徐州菊芋只在T3镉浓度下才出现明显的上升变化,并在21天时达到峰值,为对照组的3.52倍。根际土壤pH大致呈现出持续下降趋势,镉处理20天时潍坊菊芋和徐州菊芋根际土壤pH均在T3处理下达到最低,降幅分别为3.85%和3.41%;有机质含量却表现出不断增加的状态,T3镉处理至第20天时,潍坊菊芋最大增幅为38.60%,徐州菊芋为36.01%;随着施加镉浓度的变大,抑制了菊芋对土壤碱解氮的吸收,总体上潍坊菊芋受抑制程度大于徐州菊芋。2个菊芋品种对镉的富集效果也不同,徐州菊芋各器官镉富集量均高于潍坊菊芋;在转运镉方面,潍坊菊芋根部的镉均等地转移到了叶、茎上,徐州菊芋则将大部分从根部转移到茎上。综上所述,菊芋在镉胁迫下体现出一定的抗性,具有较强镉富集能力,徐州菊芋镉富集能力更为明显。因此,将能源植物菊芋应用于镉污染土壤兼具经济和生态意义。     

基于轻量化改进YOLOv5的苹果树产量测定方法

果树测产是果园管理的重要环节之一,为提升苹果果园原位测产的准确性,本研究提出一种包含改进型YOLOv5果实检测算法与产量拟合网络的产量测定方法。利用无人机及树莓派摄像头采集摘袋后不同着色时间的苹果果园原位图像,形成样本数据集;通过更换深度可分离卷积和添加注意力机制模块对YOLOv5算法进行改进,解决网络中存在的特征提取时无注意力偏好问题和参数冗余问题,从而提升检测准确度,降低网络参数带来的计算负担;将图片作为输入得到估测果实数量以及边界框面总积。以上述检测结果作为输入、实际产量作为输出,训练产量拟合网络,得到最终测产模型。测产试验结果表明,改进型YOLOv5果实检测算法可以在提高轻量化程度的同时提升识别准确率,与改进前相比,检测速度最大可提升15.37%,平均mAP最高达到96.79%;在不同数据集下的测试结果表明,光照条件、着色时间以及背景有无白布均对算法准确率有一定影响;产量拟合网络可以较好地预测出果树产量,在训练集和测试集的决定系数R^{\mathrm{2}}分别为0.7967和0.7982,均方根误差RMSE分别为1.5317和1.4021 ㎏,不同产量样本的预测精度基本稳定;果树测产模型在背景有白布和无白布的条件下,相对误差范围分别在7%以内和13%以内。本研究提出的基于轻量化改进YOLOv5的果树产量测定方法具有良好的精度和有效性,基本可以满足自然环境下树上苹果的测产要求,为现代果园环境下的智能农业装备提供技术参考。