镇江长江豚类省级自然保护区水域生态修复效果的监测与评价

自2006年以来,长江豚类极度濒危的生存状况得到广泛关注,在其自然保护区实施一系列生态修复工程,为镇江长江豚类省级自然保护区内的江豚提供良好的生存环境。于2015—2018年在和畅洲水域建设生态浮岛、人工鱼巢和放流底栖动物进行水域生态修复,对生态修复工程进行跟踪监测和效果评价。结果表明：生态浮岛的建设可提高区域内浮游植物和浮游动物的生物多样性和群落结构复杂程度;人工鱼巢对产黏性卵鱼类具有一定增殖效果,增殖种类主要为鲤、鲫、䱗和黄尾鲴;生态浮岛和人工鱼巢的建设对鱼类均有较好的聚集效果;底栖动物增殖放流显著增加了放流物种的丰度、生物量及保护区底栖动物群落生物量,增殖放流效果评价为中等。该自然保护区水域生态修复效果明显,为工程施工影响下水生生物保护区生态修复提供科学依据。     

基于BP神经网络的人机联合率定SWMM研究

为解决雨洪管理模型(SWMM)在率定过程中参数复杂、过程繁琐等问题。以西宁市某地块为例建立SWMM模型,利用Morris筛选法进行参数灵敏度分析,并根据灵敏度分析的结果进行人工率定;另外利用BP神经网络对模型进行率定,并结合参数灵敏度对其进行优化。对3种率定方案进行分析,结果表明:水文水力模块参数的相对灵敏度基本一致,其中灵敏度较大的参数为子汇水区面积(Area)、不透水率(Imperv)和不透水区洼地蓄积量(Destore-Imperv),并且不同降雨条件下模型参数的灵敏度存在差异。经过优化后的BP神经网络参数率定方法的模型模拟效果最好,纳什系数最大。结合灵敏度优化BP神经网络的人机联合率定方法一方面能提高BP神经网络率定的准确性,另一方面又能提高传统人工率定的效率。     

人工模拟增雨对油蒿种子形态性状和比叶面积的影响

【目的】研究油蒿的种子大小和比叶面积对不同增雨处理的响应,探明两者之间的关系,以期揭示油蒿植物功能性状对降水量变化的响应机制和演变趋势。【方法】根据内蒙古磴口县多年平均降水量,在植物生长季5—9月设计4个增雨梯度(25%,50%,75%和100%),对天然油蒿灌丛进行增雨试验,利用Winseedle种子和针叶图象分析软件系统,对比了油蒿种子表型形态特征和比叶面积对降水增多的响应,同时通过相关分析研究了油蒿种子大小与比叶面积的关系。【结果】不同增雨量对油蒿种子长度、宽度、体积、表面积及千粒重均有显著影响,在100%增雨处理下种子各性状指标达到最小值,其中种子宽度、体积、表面积与增雨量呈极显著负相关(P<0.01)。种子长度和千粒重与增雨量呈显著负相关(P<0.05),种子长宽比与增雨量的相关性不显著(P>0.05)。不同增雨量对油蒿比叶面积的影响差异性显著(P<0.05),且随着雨量的增加,比叶面积不断增大。种子大小与比叶面积呈负相关关系,但均未达到显著水平(P>0.05)。【结论】降水增加后油蒿种子会先增加后减小来适应环境变化,通过油蒿种子、比叶面积两大植物功能性状组合对增雨量处理响应的研究体现了荒漠植物应对未来气候变化的生存策略和适应机制。     

基于WT-CNN-LSTM的溶解氧含量预测模型

溶解氧（Dissolved oxygen, DO）含量是影响水产养殖产量的重要因素之一，具有时序性、不稳定性和非线性等特点，且其影响因子过多、存在复杂的耦合关系，难以实现精准预测。针对传统长短时记忆神经网络（Long short term memory, LSTM）预测模型易引入冗余数据，且在训练过长序列时会出现梯度消失现象，从而不能捕捉因子间长期的依赖性问题，提出了基于小波变换（Wavelet transform, WT）、卷积神经网络（Convolutional neural network, CNN）和LSTM的溶解氧含量预测模型。首先，使用WT降低数据噪声；然后，使用CNN深度挖掘各变量之间的潜在关系；最后，利用LSTM的时序性预测2h后的水产养殖溶解氧含量。结果表明，本文提出的WT-CNN-LSTM模型预测效果良好，其平均绝对误差、均方根误差和决定系数分别为0.138、0.229和0.954，比传统LSTM模型分别优化了28.87%、21.03%和4.61%。     

纵条纹炭角菌的研究进展

纵条纹炭角菌具有镇静、催眠等药用价值,已实现工厂化、规模化栽培。为探究纵条纹炭角菌的研究进展,对其分类学地位、生物学特性、人工培养、化学成分和生理活性等方面的文献进行综述,并提出未来研究的方向和应用前景。     

基于CNN的小麦籽粒完整性图像检测系统

为了快速、准确识别小麦籽粒的完整粒和破损粒,设计了基于卷积神经网络(CNN)的小麦籽粒完整性图像检测系统,并成功应用于实际检测中。采集完整粒和破损粒两类小麦籽粒图像,对图像进行分割、滤波等处理后,建立单粒小麦的图像数据库和形态特征数据库。采用LeNet-5、AlexNet、VGG-16和ResNet-34等4种典型卷积神经网络建立小麦籽粒完整性识别模型,并与SVM和BP神经网络所建模型进行对比。结果表明,SVM和BP神经网络所建模型的验证集识别准确率最高为92. 25%; 4种卷积神经网络模型明显优于两种传统模型,其中,识别性能最佳的AlexNet的测试集识别准确率为98. 02%,识别速率为0. 827 ms/粒。基于AlexNet模型设计了小麦籽粒完整性图像检测系统,检测结果显示,100粒小麦的检测时间为26. 3 s,其中,图像采集过程平均用时21. 2 s,图像处理与识别过程平均用时为5. 1 s,平均识别准确率为96. 67%。     

Development of colchicine‐induced tetraploid St. Augustinegrass (Stenotaphrum secundatum) lines

St. Augustinegrass is well suited for lawns and commercial landscapes. While many genotypes are cross‐fertile, all cultivars are propagated vegetatively in sod production. To ensure varietal purity, development of sterile triploid hybrids by crossing tetraploid and diploid genotypes has been successfully used in other warm‐season turfgrasses. Applying this model in St. Augustinegrass would be beneficial to sod producers and turf managers who require purity for certification and uniformity for performance, respectively. This study was conducted to develop colchicine‐induced tetraploid lines of St. Augustinegrass. Seeds of cultivar ‘Raleigh’ were treated with four colchicine concentrations at four exposure times. A non‐treated control was included among the treatments. Seedlings that germinated were screened for genome size changes using flow cytometry. Line DSA 13005 and two progeny lines derived through selfing, DSA 16001 and DSA 16016, were corroborated as tetraploids (2n = 4x = 36) through chromosome counts. These lines will be used in future breeding efforts to attempt development of sterile triploid cultivars of St. Augustinegrass.     

A data transfer method for improving seed identification of maize (Zea mays) haploid breeding based on genetic similarity

Maize haploid breeding technology is able to identify haploid seeds non‐destructively, rapidly and at low cost with the help of Near‐infrared (NIR) spectral analysis. However, due to the hybridization of numerous parents and the low production rate of haploid, the haploid data collection becomes a burden for engineering this technology. Biologically, there are considerable similarities between the progeny of the same female parent and different male parents. Based on this advantage, similar spectral data can be transferred when the NIR technology is employed. A revised method of Transfer adaptive boost (TrAdaBoost) is proposed to improve identifying for the backpropagation neural network (BPNN) classifier. To avoid the negative transfer, a screening thresh is used to select out similar data, and the amount of these data are limited to join current training. The results show that the identification performances are improved significantly when the data amount is small. This method shows a high ability to make the seed identification more convenient for engineering maize haploid breeding.     

Cf-2/Rcr3pim番茄品系对南方根结线虫的抗性测定

Cf-2/Rcr3~(pim)基因型番茄不仅能够抵御番茄叶霉菌的侵染,而且对马铃薯金线虫的寄生也有一定的抑制效果。为挖掘根结线虫的新抗性资源,本研究采用室内人工接种法测定了Cf-0/Rcr3~(pim)、Cf-2/Rcr3-3和Cf-2/Rcr3~(pim)基因型番茄品系对南方根结线虫的抗感性。抗性评价结果显示,Cf-0/Rcr3~(pim)品系对南方根结线虫表现高感,Cf-2/Rcr3-3品系为中感,而Cf-2/Rcr3~(pim)品系则为感病。与Cf-0/Rcr3~(pim)和Cf-2/Rcr3-3基因型相比,Cf-2/Rcr3~(pim)基因型番茄品系虽然对南方根结线虫侵染的敏感性略低,但是不能阻止线虫在根系上的大量繁殖,不适于根结线虫的防控应用。     

基于粒子群算法优化BP神经网络的土壤含水量短期预测模型

为提高土壤含水量预测精度,基于物联网监测数据,提出了粒子群算法(PSO)优化BP神经网络的土壤含水量预测方法。首先应用主成分分析法筛选出影响土壤含水量的关键影响因子,然后构建8-5-1的BP神经网络拓扑结构,应用粒子群算法优化BP神经网络的初始权值和阈值。结果表明:与传统BP神经网络相比,新模型优化了网络结构,避免了陷入局部最优解,具有良好的预测效果;模型的评价指标平均绝对误差、平均绝对百分误差、误差均方根分别为0.259 2、0.010 5和0.135 6,与单一BP神经网络相比,预测精度更高,可满足实际的土壤含水量预测的需要。