沙质海岸植物蒸腾速率与环境因子的关系

蒸腾速率是衡量植物水分平衡的一个重要指数,揭示蒸腾速率的日变化规律,寻找影响植物蒸腾速率的生态因子,可为海防林的造林营林技术提供重要依据。笔者对日照沿海防护林几种主要木本植物和草本植物的蒸腾速率和环境因子的关系进行了研究,结果表明：8种植物日平均蒸腾速率和蒸腾速率日变幅各异;麻栎、紫穗槐和白茅的蒸腾速率日变换呈现出双峰式的变化规律,其它5种植物蒸腾速率表现为单峰式的变化规律;气孔导度影响着植物的蒸腾速率,温度（气温、地面温度）是影响植物蒸腾速率的主要因子;空气相对湿度和蒸腾速率表现为显著或极显著负相关,相关系数高达0.866。通过多元线性逐步回归方法,得到了影响沙质海岸蒸腾速率的主要环境因子,及其与土壤呼吸速率之间的多元回归模型。     

逆境下植物电信号研究现状与发展趋势

植物电信号是参与植物体内生理调控和传送信息的重要生理信号,其变化是植物对外界环境刺激的快速响应,而逆境刺激一旦超出植物承受范围,便无法通过自身修复。因此,通过对逆境下植物电信号变化进行深入研究,可依据不同环境胁迫和激励植物电信号的综合分析建立相关模型,以探究植物的最适生长环境特征。本文基于目前的相关研究文献资料,对植物电信号及其对逆境反馈的研究现状进行了梳理归纳,并在现有技术基础上对其发展趋势进行展望,以期为科研人员深入研究植物电信号提供参考,进而为推动植物育种和高产优质种植业高质量发展提供科学依据。     

环境胁迫与植物体内脯氨酸的关系

阐述了不同环境胁迫条件下不同植物体内脯氨酸的变化情况及其生理功能,并讨论了脯氨酸作为生理生化指标的可能性。     

植物电信号的解析方法初探

近年来,计算机技术及信号处理方法广泛应用于揭示复杂及混沌生物系统的特征以及其对外部环境的适应性。这些方法包括时域(统计、灰色系统理论)、傅立叶变换可做频域变换、小波变换能进行时频域变换。使用这些方法对植物电信号进行解析,结果表明,这些方法比传统电生理分析方法更清楚地显示多种环境因子与植物电波间的关系。这对于采用电生理的方法监控环境对植物的影响并采取相应生产措施具有一定的指导意义     

基于信号特征分析的植物体表电信号记录模式选择

为了探索不同耦合记录模式所记录植物体表波形数据特征,选择德抗961型小麦与含羞草2类植物,分别对每株植物进行直流耦合、交流耦合同步信号记录。分析光诱导下小麦所产生的局部电位中直流耦合记录与交流耦合记录的数据差异。小麦局部电位直流耦合与交流耦合记录数据波形峰峰值差异可达25倍以上;基于短时傅里叶变换,功率密度时频分布图显示直流耦合记录到的信号局部电位的频谱主要在0.2 Hz以内。而含羞草的变异电位的上述2种耦合模式记录的波形差异相对较小,功率密度时频分布图中可以反映其信号功率谱分布在0.6 Hz以内。通过记录不同下限截止频率的数据,小麦的光诱导电信号更加清晰的反映耦合方式对信号的影响,进一步地,通过含羞草变异电位的传导特性与对小麦钙通道阻滞的对照试验来验证所测信号的真实性。因此,针对不同植物及其植物电信号本身的特点,应选择适合的耦合记录方式。     

植物因子与明渠推移质输沙率的关系

依据均匀流假设，采用理论分析与试验研究相结合的方法，借助床面相对剪切应力的推求，得到了沟道植物前后，推移质相对输沙率与植物因子ＦＶ之间的关系。     

外生菌根的功能及与环境因子的关系

本文对外生菌根的功能、环境因子对外生菌根及外生菌根菌的影响进行了综述,并针对当前存在的主要问题提出了建议。     

陕北黄土高原刺槐植物功能性状与气象因子的关系

为阐明刺槐植物功能性状在黄土高原不同环境下的变异规律,探明刺槐对黄土高原环境的适应策略,对陕西省境内从中部向北的14个县(市、区)的刺槐植物功能性状进行测定与统计分析.研究了不同生境刺槐植物功能性状的种内差异、刺槐功能性状间的相关关系及气象因子对刺槐植物功能性状的影响.结果表明:(1)除叶氮含量(LNC)、根组织密度(RTD)和根氮含量(RNC)在各采样点之间的差异不显著之外,其他8个性状在各采样点之间均表现出显著的差异(P＜0.05).(2)刺槐植物功能性状相互之间都有一定的相关关系,比叶面积(SLA)与叶厚度(LT)、叶组织密度(LTD)和比根长(SRL)呈极显著负相关关系,根磷含量(RPC)与叶磷含量(LPC)和比根长(SRL)呈显著正相关关系,根组织密度(RTD)与比根长(SRL)呈极显著负相关关系.(3)逐步回归分析结果表明,不同的气象因子对刺槐植物功能性状的影响是不同的,对刺槐植物功能性状影响最大的气象因子是年均降水量(MAP)、年均温度(MAT)和年日照时数(ASR).     

植物Myb转录因子的研究进展

通过转录因子在转录水平上调控目的基因表达是植物对其生长发育及生理代谢调控的一种重要方式。Myb（v-myb avian myeloblastosis viral oncogene homolog）转录因子是最大的植物转录因子家族成员之一,参与了细胞分化、细胞周期的调节,激素和环境因子应答,并对植物次生代谢以及叶片等器官形态建成具有重要的调节作用。最近的研究表明,Myb类转录因子参与了植物花色素形成过程的调控,对果皮、果肉,甚至叶片的着色都起到了重要作用。本文对Myb类转录因子的发现及其结构特征进行了详细综述,重点介绍了Myb转录因子在植物花色素苷合成代谢调节研究中的新发现,以期为Myb转录因子的研究和利用提供参考。     

基于人工神经网络的组合预测及应用

综合组合预测和人工神经网络的特点，提出一种将人工神经网络应用于组合预测的新方法，并以浙江省猪肉产量预测为实例进行了论证。     

应用人工神经网络预测马尾松毛虫的有虫面积

运用人工神经网络的原理和方法，选取与马尾松毛虫发生量相关关系密切的8个气象因子作为样本的输入特征，建立马尾松毛虫有虫面积与气象因子的BP网络模型，结果表明：所建立的BP模型，具有令人满意的拟合精度和预测精度。当隐含层神经元个数为15个，输入因子数为8个时，18组有虫面积的平均拟合精度为100％，相关系数为1．0000，2组预留有虫面积的平均预测精度为96．85％，预测准确率为100％。     

一种基于人工神经网络的水库水温分层模式判别方法

该文提出了一种判别水库水温分层模式的人工神经网络方法,该方法不直接描述水温分层的物理机制和物理模型,通过设定前馈网络结构并利用已有实例进行训练,使网络能很好地模拟水温垂直分层模式影响因素与水温分层模式间的映射关系,其特点是分类准确、适应能力强,对线性和非线性分类问题均适用。     

微小孔振动钻削神经网络仿真

该文将人工神经网络（ANN）技术引入农业机械化、农业自动化领域中高新技术产品孔加工过程。研究了适用于变参数振动钻削过程仿真与参数优化的神经网络模型和算法。实验表明,ANN成功地实现了振动钻削知识的学习,优化精度较高,为农业机械制造智能化提供了新的研究思路和开发途径。     

利用人工神经网络预报不同水分条件下作物根系发育参数

通过对人工神经网络理论的分析,建立了一个能够描述作物根——冠间非线性变化的模拟模型,利用植物地上部参数推求不同水分环境影响的地下根系参数。并通过改进BP算法解决了全局寻优的问题。利用精密的管栽试验为模型提供了足够的学习样本和检验样本。结果表明,该文建立的人工神经网络模型对描述根、冠间复杂的非线性关系方面具有相当高的精度和应用价值     

基于人工神经网络的感应电动机转子电阻参数辨识

为应用人工神经网络于感应电动机传动系统中,提出了一种基于Ｈｏｐｆｉｅｌｄ神经网络的感应电动机参数辨识方法。这种方法的精确性不受网络初值及控制参数的影响。仿真结果证明了人工神经网络辨识方法的精确性和快速性。     

BP神经网络在地表移动边界角预测中的应用

在对煤矿采空区地表移动及其边界角影响因素分析的基础上,提出用BP神经网络预测采空区地表移动边界角.建立了边界角预测的BP神经网络模型,利用国内近30项工程的采空区地表移动实测数据作为学习样本对网络进行训练,用实际工程对网络进行了测试分析.结果显示,预测精度平均达90%,研究表明用BP神经网络计算边界角方法可行,具有实用性,为边界角的确定提供了一条新的途径.     

基于神经网络的混沌时间序列土壤墒情预测预报

土壤墒情预测预报对农业生产、水分循环的研究具有重要的意义。应用混沌理论对具有混沌特性的土壤墒情时间序列进行相空间重构,利用神经网络对土壤墒情时间混沌序列重构相空间中相点的演化过程进行了学习、训练及预测。结果表明,该方法所需的参数较少,简单易行,即只需要土壤墒情时间序列数据。通过对预测预报值与实测数据进行比较,证实了该方法相对误差较小,预测精度高,有一定的可靠性和实用性。     

基于神经网络的水产品价格预测模型研究

以水产品中鲫鱼为例,选择时间、地理环境和经济条件因素作为输入层变量,价格作为输出单元,输入样本进行训练和仿真,对训练好的网络输入预测样本,将预测结果与市场实际价格进行比较,其相对误差均小于1%。结果证明,所构建的水产品价格预测模型具有良好的精确性和准确性,将神经网络应用于水产品价格预测是可行的。     

Estimation of Sunflower Seed Yield Using Partial Least Squares Regression and Artificial Neural Network Models

Statistical models can efficiently establish the relationships between crop growth and environmental conditions while explicitly quantifying uncertainties. This study aimed to test the efficiency of statistical models established using partial least squares regression(PLSR) and artificial neural network(ANN) in predicting seed yields of sunflower(Helianthus annuus). Two-year field trial data on sunflower growth under different salinity levels and nitrogen(N) application rates in the Yichang Experimental Station in Hetao Irrigation District, Inner Mongolia, China, were used to calibrate and validate the statistical models. The variable importance in projection score was calculated in order to select the sensitive crop indices for seed yield prediction. We found that when the most sensitive indices were used as inputs for seed yield estimation, the PLSR could attain a comparable accuracy(root mean square error(RMSE) = 0.93 t ha-1, coefficient of determination(R~2) = 0.69) to that when using all measured indices(RMSE = 0.81 t ha-1,R~2= 0.77). The ANN model outperformed the PLSR for yield prediction with different combinations of inputs of both microplots and field data. The results indicated that sunflower seed yield could be reasonably estimated by using a small number of crop characteristic indices under complex environmental conditions and management options(e.g., saline soils and N application). Since leaf area index and plant height were found to be the most sensitive crop indices for sunflower seed yield prediction, remotely sensed data and the ANN model may be joined for regional crop yield simulation.