排序方式: 共有66条查询结果,搜索用时 15 毫秒
1.
3.
土壤水分含量的大小。不仅影响田间小气侯,而且影响土壤的透气性和土壤养分的分解,是土壤微生物活动和作物生长发育的重要条件。随着农业发展对科技需求的日益增多,气象决策服务在农业生产中发挥着重要作用,尤其是土壤墒情变化与气象因子有着密切的关系,其及时性、准确性都十分重要。及时了解土壤中水分的含量,实时掌握作物土壤湿度的第一手资料,就能够及时分析土壤旱涝状况及对农作物生长发育的影响程度。 相似文献
4.
5.
为了探求低氮、磷胁迫对玉米幼苗的影响,在不同低氮、磷间进行组合,对金穗98、先玉508、三峡玉9号、高瑞171和金13-2 5个玉米品种幼苗在低氮、磷胁迫下的丙二醛、可溶性糖、过氧化氢酶、过氧化物酶和超氧化物歧化酶5个指标进行检测。结果表明,氮和磷元素缺乏程度与由此而造成的损伤直接相关;不同氮、磷缺乏的胁迫对玉米幼苗的损伤呈现波动性变化,不同组合对所测定各生化指标的影响及程度不同;在不同氮、磷缺乏组合下,5个品种所观察各指标数值的变化趋势基本一致,但不同品种间数值大小存在差异。对生长逆境敏感的生理和生化指标的分析显示,最耐氮、磷缺乏的是先玉508,而三峡玉9号和金穗98对氮、磷缺乏较为敏感。 相似文献
6.
为提高黄原胶分子的应用性能,以60Co-γ为辐射源,对黄原胶和N-乙烯基吡咯烷酮进行共辐射接枝处理,制备黄原胶-N-乙烯基吡咯烷酮共聚物(XG-g-NVP),并研究反应条件对接枝率和单体利用率的影响及共聚物的结构表征。结果表明,当辐射吸收剂量为10k Gy,黄原胶浓度12g·L-1,NVP/XG质量比8∶1,4-甲氧基酚阻聚剂添加量为NVP单体质量的0.01%时,最佳接枝率为543.3%,单体利用率为67.9%。红外光谱表明接枝反应发生在NVP乙烯基部位,扫描电镜图显示共聚物形貌由片层状逐步过渡到颗粒状;XG-g-NVP的抗高温及抗剪切能力相比黄原胶有所提高,且黏度值在高温、高剪切力时仍保持恒定值,因此,改性后的黄原胶结构及热稳定性提高。通过对黄原胶分子接枝改性,使其具备了更多优良的性能,为改性黄原胶的进一步应用奠定了理论基础。 相似文献
7.
8.
农杆菌侵染小麦的优化方案 总被引:2,自引:0,他引:2
本实验选用优质高产小麦品种洛阳8716和绵阳19幼胚愈伤作为受体材料,以pCAMBIA3301为载体,GV3101,EHA105,LBA4404农杆菌为供体材料进行侵染过程的优化研究.采用3种菌株,4个浓度梯度:OD600=0.2,0.5,0.7,1.0;3个时间参数:10 min,30 min,60 min;一共36个处理,每个处理4个重复.结果显示,农杆菌GV3101和EHA105,OD600 1.0×10 min和OD600 0.5×30 min两个侵染处理结果比较好,瞬时表达率达到50%-70%.以小麦幼胚愈伤组织为受体,预培养3~5 d,在24±1℃下,共培养3~4 d和350 mg/L羧苄青霉素除菌及5 mg/L PPT筛选处理后,转化效果较好,平均转化率为0.45%. 相似文献
9.
为了研究不同饲养条件下家兔行为时间分配和活动规律,试验随机选取48只家兔,采用全事件取样法和目标动物观察法对散养和笼养家兔行为的时间分配和活动规律进行比较研究。结果表明:在行为时间分配方面,笼养家兔的休息、修饰和啃咬行为极显著高于散养家兔(P0.01);而散养家兔运动和其他行为则极显著高于笼养家兔(P0.01);笼养家兔摄食行为时间显著高于散养家兔(P0.05)。在活动规律方面,笼养条件下休息有三个高峰期(06:00—07:00、12:00—13:00和17:00—18:00),摄食和运动有两个明显高峰期(分别在07:00—08:00和14:00—15:00),修饰和啃咬行为两个高峰期比摄食高峰期稍滞后1 h;而散养条件下休息、修饰和啃咬无明显高峰期,只有摄食和运动在06:00—07:00和17:00—18:00时出现了两个明显高峰期。说明笼养和散养条件下家兔的行为时间分配及日活动规律存在较大差异。 相似文献
10.
[目的]花青素是植物叶片中的第三大色素,功能多样,抗氧化性较强,不仅有助于叶片损伤修复,而且可以通过吸收光能而减少叶绿素对光的吸收,调节光合作用,从而起到光保护的作用.因此,了解花青素含量的动态信息,可以间接了解植物的营养健康状况,为植物培育管理提供一种可靠的参考指标.湿地松(Pinus elliottii)作为我国重要的造林树种,适时测定湿地松针叶中花青素含量对于了解湿地松生长生理状态具有重要的意义.提出一种用无人机遥感技术反演湿地松叶片花青素含量的方法.为利用多光谱无人机选择湿地松试验林中高花青素含量资源提供技术基础.[方法]以湿地松苗为试验对象,利用便携式紫外-可见光荧光仪获取湿地松冠层叶片的花青素含量实测值以及利用多光谱无人机同步获取湿地松冠层叶片的多光谱反射率.选取了5个光谱值(RED、GREEN、BLUE、NIR、REG)以及与湿地松花青素含量关系较密切的植被指数GNDVI、LCI、NDRE、NDVI、OSAVI、R/G、MACI、ARI和MARI共9种.对14种光谱指数进行不同的数据处理后分别基于偏最小二乘、支持向量机、BP神经网络方法建立花青素含量的预测模型,并分别验证,比较选出最优建模方法和预测模型.[结果]比较经5种数据预处理方法(Original(OG)、Standard Normal Variate(SNV)、blockScale(BS)、blockNorm(BN)、Detrend(DET))和5种重要变量选择方法(不处理、遗传算法与PLS回归相结合(ga_pls)、逆向变量消除(bve_pls)、正则化消除(rep_pls)、显著多元相关算法(smc))组合处理后,发现数据经过去趋势化处理和逆向变量消除处理后,基于支持向量机建立的模型为最优建模方法,此模型对湿地松冠层花青素含量预测可以达到最佳效果,验证集决定系数R2为0.61,均方根误差RMSE为1.34%.[结论]基于无人机多光谱技术,去趋势化处理和逆向变量消除处理与支持向量机相结合的建模方法可实现对湿地松冠层花青素含量的预测. 相似文献