不同纤维素培养基及温度对体外培养瘤胃细菌多样性的影响

为探讨瘤胃细菌多样性,采用聚合酶链式反应-变性梯度凝胶电泳(Polymerase chain reaction-denaturinggradientgel electrophoresis,PCR-DGGE)技术结合共性及特异性条带的克隆测序和聚类分析及主成分分析,对牛体外厌氧条件下瘤胃细菌在CMC、PCS、J、K培养基及37和50℃培养温度下的多样性进行研究。结果表明:1)37℃条件下不同培养基的DGGE图谱差异较大,虽然具有较高的平均条带数,CMC和K培养基样品分别为20和27条,但各样品间的相似性系数较低,J和CMC培养基间的相似性系数为0.84,J和PCS培养基间的相似性系数仅为0.75。2)50℃条件下不同培养基的DGGE图谱差异较小,平均条带数较低,CMC和K培养基样品均为15条,但各样品间的相似性较高,CMC和PCS培养基间的相似性系数为0.89;而J和PCS培养基间的相似性系数高达0.97。3)DGGE图谱中共性条带序列表明瘤胃优势细菌主要是Streptococcus macedonicus,而特异性条带主要是Escherichia coli、Firmicutes以及Brevundimonas。体外厌氧条件下不同纤维素培养基和温度在一定程度上影响瘤胃细菌的多样性。     

基于主成分分析和BP神经网络的土壤养分近红外光谱检测

基于近红外光谱技术的土壤养分快速、无损检测,有利于精细施肥决策。在一黄豆田采用7 m×7 m的栅格采集54个土样,测定其土壤有机质、速效氮、有效磷、有效钾,并使用FieldSpec 3光谱仪测定土样的近红外漫反射光谱。将54个样本随机分成预测集与验证集,其中预测集40个,验证集14个。通过平滑预处理后,利用主成分分析法(PCA)提取原始光谱8个主成分。然后以8个主成分为输入,分别以所测土壤养分作为输出,建立土壤有机质、速效氮、有效磷、有效钾的预测模型,最后对14个验证样本进行预测。结果表明,在小尺度采样的情况下进行光谱分析,采用主成分分析和人工神经网络相结合的方法建立土壤有机质预测模型,其测量值与预测值的相关性较高,相关度为0.796 2,相对误差较小,其平均值为1.88%,表明该方法预测土壤有机质含量是可行的。但对土壤速效氮、有效磷和有效钾含量的预测并不理想,还有待进一步研究。     

基于小波分析的发芽糙米γ-氨基丁酸含量近红外光谱无损检测

γ-氨基丁酸是发芽糙米中的代表性生理活性成分。目前检测发芽糙米中γ-氨基丁酸含量的常见方法有氨基酸分析仪法、高效液相色谱法等。这些检测方法多需配置试剂,对测量目标具有损坏性,且检测周期较长,不利于发芽糙米及其相关制品的快速、无损检测。因此,研究发芽糙米γ-氨基丁酸含量无损、及时、准确检测方法具有重要的理论意义和应用价值。     

基于近红外漫反射光谱的规模化奶牛场粪水氮磷定量分析及模型构建

为建立规模化奶牛场粪水中氮磷含量现场快速检测方法,以实现准确预测的同时替代常规监测程序,选取23家天津市典型种养结合模式的规模化奶牛场,围绕粪水处理全过程环节依次开展样品采集、实验室常规化学检测、近红外漫反射光谱采集,并进行主成分分析和偏最小二乘分析,建立多种动态复合影响因素条件下的全局、全程快速检测定量分析模型。结果表明:主成分分析不仅反映出同一奶牛场粪水有机组分随处理环节的变化,而且也反映出不同奶牛场粪水样品的差异性,以及在粪水处理过程中各因素对后续模型的影响程度。建立的全过程环节定量分析模型对总氮含量预测结果与实际含量的线性拟合相关系数R为0.96,预测均方根误差RMSEP为187.80;对总磷含量预测结果与实际含量的线性拟合相关系数R为0.91,预测均方根误差RMSEP为3.59。建立的全局定量分析模型对总氮含量预测结果与实际含量的线性拟合相关系数R为0.96,预测均方根误差RMSEP为238.59;总磷含量预测结果与实际含量的线性拟合相关系数R为0.91,预测均方根误差RMSEP为6.56。研究表明,基于近红外漫反射光谱和偏最小二乘法对规模化奶牛场粪水处理全过程环节粪水样品中氮、磷含量进行定量分析是可行的;纵向模型比横向模型能提供更好的预测结果;近红外漫反射光谱技术可实时、快速、高效地对规模化奶牛场粪水处理全过程总氮和总磷进行跟踪和监控。