珍珠鸡的人工繁育方法

珍珠鸡属鸡形目,雉科动物,是由非洲肯尼亚的一种野禽驯化而来的肉用禽种。因其羽毛黑中带灰,并散布有大小如珍珠的白色,故名珍珠鸡。     

牡丹鹦鹉的养殖技术措施

牡丹鹦鹉又叫情侣鹦鹉，属鹦鹉目，鹦鹉科动物。牡丹鹦鹉原产于非洲的坦桑尼亚、乌于达、埃塞俄比亚、苏丹等国，是世界著名的观赏鸟。野生的牡丹鹦鹉主要生活在热带丛林中，常集大群生活，以各种植物种子、嫩芽、水果和桨果为食。牡丹鹦鹉主要有8个品种，如红牡丹鹦鹉、黑头牡丹鹦鹉、棕头牡丹鹦鹉、蜡嘴牡丹鹦鹉等，我国常见的有黑头牡丹鹦鹉和棕头牡丹鹦鹉两种。     

生物有机肥施用期对香蕉枯萎病及土壤微生物的影响

在大田条件下,采用完全随机区组试验方法研究生物有机肥施用期对香蕉枯萎病和土壤微生物的影响。结果表明,在基肥期(BOF1)和营养生长期(BOF2)施用生物有机肥对香蕉生长表现出明显的促进作用,移栽后第270 d,BOF1和BOF2处理的茎围、叶宽和产量均高于其他处理,BOF2处理小区平均产量高达288kg,显著高于其余各组处理。在香蕉营养生长期施用生物有机肥,可以延迟香蕉枯萎病的发病时间,显著降低香蕉植株的发病程度。移栽后第270 d,BOF2处理的病情指数比施化肥处理(CF)低54%,将CF处理防效指定为0,防病效果达到52.5%。施用生物有机肥可以提高土壤中细菌和放线菌的数量,降低真菌数量,其中以BOF2处理效果最为明显。从移栽后第90 d开始,BOF2处理的细菌数量为26.67×106 cfu·g-1,到第270 d时数量达到64×106 cfu·g-1,始终显著高于其他各处理;在移栽后第180 d时,BOF2处理的放线菌数量比施有机肥处理(OF)增加了95.6%,第270 d时BOF2放线菌数量最高,为23.15×103cfu·g-1。施用生物有机肥可不同程度地提高土壤过氧化氢酶、蔗糖酶、脲酶和酸性磷酸酶的活性。病情指数与土壤中细菌、放线菌含量呈显著负相关,与真菌呈显著正相关。在香蕉营养生长期施用生物有机肥更有利于改善土壤微生物结构,提高土壤酶活性,延缓和降低香蕉枯萎病的发生,提高香蕉产量。     

把好桑叶全程消毒关 有效防治微粒子病

<正>凉山州蚕种场是一个三级繁育四级制种的蚕种生产单位,生产的原种除供本场的原蚕生产区使用外还要销售一部份。因此原种的品质质量不仅影响本场的一代杂交种生产,而且影响我场的市场信誉度。要保证原种的品质质量,首当其中的就是控制微粒子病。上世纪90年代初,我场就因微粒子病侵害造成原种毒率严重超标,以至一代杂交种生产无法正常运行。1993年开始在     

秋季猪几种传染病的诊治

秋季气温虽没夏季酷暑炎热，但秋季由于气候多变、昼夜温差较大等多种诱因，容易发生多种传染病。尤其是免疫抑制性疾病，易造成混合感染、继发感染，导致损失严重。     

畜禽免疫失败的原因及解决对策

1免疫失败的原因1.1疫苗本身的问题一般来说,正规厂家生产的疫苗,各项指标均经检验合格后方能出厂,但有些疫苗供应商、养殖场为了贪图方便或一时疏忽,在采购疫苗时,没有带上疫苗冷藏保温箱,而将疫苗和冰块一同装进薄膜袋,到达目的地时冰块已化成水,这样极易造成疫苗失活或油乳剂苗破乳。     

茸鹿坏死杆菌病的诊断与综合防治措施

<正>茸鹿坏死杆菌病是由坏死杆菌引起的一种慢性、顽固性传染病,对鹿的危害较大,鹿场一旦被感染,会造成长期危害,严重影响鹿产品生产,特别还会使部分发病鹿只死亡,造成较大的经济损失。目前本病在国内部分养鹿场广泛流行,必须采取综合防治措施,才能控制疫情流行,避免坏死杆菌对     

珍珠鸡的生物学特征及饲养管理

珍珠鸡原产非洲,具有生长快、繁殖率高、食性广、抗病力强等优点,适于各地人工规模化饲养。其肉质细嫩,营养丰富,野味强而鲜美,是高蛋白低脂肪的珍禽,近年来倍受广大消费者的喜爱。     

浅谈雏鹅育雏管理技术要点

在养鹅生产中,育雏技术是养鹅的关键,它直接影响着养鹅的经济效益。根据雏鹅（出壳后至20日龄）绒毛稀,体温调节能力差,消化能力弱,既怕冷、怕热,又怕湿的特点,现将小鹅育雏技术要点介绍如下：     

基于GF-1遥感影像和relief-mRMR-GASVM模型的小麦白粉病监测

选择合适的建模和特征选择算法对提高作物病害的遥感监测水平有着重要的作用。研究以河北省小麦白粉病为研究对象,基于GF-1/WFV数据共提取了4个波段反射率数据和10个对作物长势和胁迫敏感的植被指数作为初选特征。针对常用的特征提取算法relief算法筛选出的特征存在冗余性的问题,提出了一种relief结合最小冗余最大相关(minimum redundancy maximum relevance,m RMR)的特征降维算法(relief-m RMR)。首先,通过relief算法计算出各特征的权重系数,对特征集进行加权;然后利用m RMR算法选出与类别具有最小冗余性的特征,利用支持向量机(support vector machine,SVM)对河北白粉病进行监测,并用遗传算法(genetic algorithm,GA)优化的SVM(GASVM)建立了白粉病的监测模型(relief-m RMR-GASVM),将监测结果分别与SVM和网格寻优(grid search,GS)算法优化的SVM(GSSVM)的监测结果进行对比分析,同时比较了该方法与Ada Boost、粒子群(Pso)优化的最小二乘支持向量机(least squares support vector machine,Pso-LSSVM)和随机森林(random forest,RF)3种方法的优越性。结果表明,relief-m RMR算法筛选出的特征与GASVM、SVM和GSSVM建立的监测模型精度比传统relief算法筛选特征所建模型的精度分别提高了14.3个百分点、7.2个百分点和7.1个百分点,比传统m RMR算法筛选特征所建模型的精度分别提高了14.3个百分点、14.3个百分点和14.2个百分点。relief-m RMR算法结合GASVM建立的监测模型精度为所有模型中最高,精度为85.7个百分点,分别比SVM和GSSVM所建监测模型精度提高了21.4个百分点和7.2个百分点。此外,GF-1数据结合relief-m RMR-GASVM模型的监测精度分别高出Ada Boost、Pso-LSSVM和RF方法21.4个百分点、14.3个百分点和7.1个百分点。说明GF-1数据结合relief-m RMR-GASVM模型可用于小麦白粉病的遥感监测。