茶多糖对四氯化碳致小鼠肝损伤的保护作用

从六安炒青水提物中分离纯化得到茶多糖TPS-II,对其纯度和分子量进行检测,通过测定小鼠血清超氧化物歧化酶(SOD)活性、天冬氨酸转氨酶(AST)活性、丙二醛(MDA)含量及肝脏指数,研究其对四氯化碳(CCl4)引起的急性肝损伤的保护作用。结果表明TPS-II相对分子量约为1.01×105,总糖含量为85.30%,蛋白含量为2.80%,并对CCl4引起的小鼠急性肝损伤有明显的保护作用。     

修正的通用土壤流失方程中各因子单位的确定

[目的]明确和规范修正的通用土壤流失方程(RUSLE)中各因子的单位,使得RUSLE在中国具体应用过程中更加科学和便捷。[方法]通过对国内外RUSLE应用实践的总结和对比研究,并分析其科学合理性,找出最为普遍应用的、准确的RUSLE各因子的单位,明确不同单位类型之间的转化系数。[结果]国内RUSLE的应用,大部分是通过各地区建立的各因子统计模型转换成国际制单位系统,最后相乘得到的是以国际制单位表示的土壤侵蚀量,另一部分则是通过相应的各因子统计模型计算得到各个因子以美制单位系统表示的计算结果,最后再乘以224.2将土壤侵蚀量转换为国际制单位。国内主流侵蚀估计中使用的单位焦耳系统,单位面积有两种即km^2和hm^2。土壤流失量A常用的国际制单位为t/hm^2或t/km^2;降雨侵蚀力因子R常用的国际制单位为(MJ·mm)/(hm^2·h·a)或(MJ·mm)/(km^2·h·a);土壤可蚀性因子K的常用国际制单位为(t·hm^2·h)/(hm^2·MJ·mm)或(t·km^2·h)/(km^2·MJ·mm)。不同地区建立的计算方法通过相应的转换系数转换成国际制单位。最后,R和K因子的单位系统的一致性是RUSLE应用的关键步骤。[结论]R和K因子通过相应的单位转换系数转换为国际制单位以及两者的单位一致性是土壤侵蚀评估的重要基础。     

米糠抗氧化肽的分离纯化研究

以DEAE-52离子交换柱层析和SephadexG-25凝胶过滤柱层析纯化米糠抗氧化肽,以硅胶G薄层层析测定其纯度,氨基酸自动分析仪测定其氨基酸组成。实验结果表明：米糠抗氧化肽经DEAE-52柱层析和Sephadex G-25柱层析后基本上得到了纯化;氨基酸组成分析表明,米糠抗氧化肽由14种氨基酸组成,富含两种酸性氨基酸：Asp、Glu,并含有6种人体必需氨基酸（Val、Met、lie、Leu、Phe、Lys）,占米糠抗氢化肽童基酸羔会号的31．89％．且有搪高的营兼价槽知僳馇功能．     

不同密度长白落叶松林生物量与碳储量分布特征

通过对立地条件相近28年生的5种林分密度(780、920、1099、1190、1377株·hm-2)长白落叶松人工林标准地调查与生物量测定,探讨了不同林分密度长白落叶松人工林生物量与碳储量的分布特征.结果表明,林分密度对长白落叶松林平均单株木生物量、群落生物量及乔木层生物量均有显著影响.前者随林分密度的增加而下降,且下...     

激发学习兴趣 提高生物化学教学质量

生物化学理论抽象、代谢途径错综复杂,难学难懂难记。为了激发学生学习兴趣,必须构建和谐课堂;建立民主、平等、相互负责和交流意见为标志的新型师生关系,其次,综合运用多种教学方法,如口诀法、层次法、开辟第二课堂等,以激发学生的学习兴趣,提高生物化学的教学质量。     

油松在园林绿化中的应用与栽植

<正>承德地区地处冀北燕山山脉,属温带大陆性季风气候,油松是当地经过自然竞争适应性强的主要乡土树种之一。随着森林城市建设的推进,作为乡土树种的油松应用前景广阔,它不但适应当地生境,对当地自然灾害有较强的抵御能力,而且苗源多,经济适用,具有地方特色,组成的生态景观稳定性强,并可为北方冬季增添绿色,能起到事半功倍的效果。     

抗旱浸种剂处理对小麦萌发和幼苗生长的影响

干旱胁迫下用抗旱剂处理小麦种子可以促进种子萌发和幼苗生长,提高出苗率,增加根冠比.处理后,各项生理生化指标均高于对照,可使幼苗在较低水势下保持正常生长,为小麦中后期发育打好基础.试验结果表明,本课题组研制的种子处理抗旱剂对小麦抗旱出苗的效果优于黄腐酸(FA).     

华北干旱石质阳坡油松营养杯苗造林技术

<正>随着生态建设的推进,干旱石质阳坡造林成为灭荒攻艰的主战场。由于立地条件差、气候干旱等因素影响,导致造林成活率低,制约了造林绿化步伐。为此,笔者经过几年的探索实践,采用油松营养杯苗造林技术,成活率、保有率达90%以上,既节约了造林资金、提高了投资效益,又加快了荒山绿化进程。1造林地准备在干旱石质阳坡造林,于造林前一年雨季采用环山竹节壕整地,规格为1.3m×0.5m×0.5m,竹节壕间距1m,行距     

依据机器学习算法的杉木干形模拟

利用福建省将乐国有林场46株杉木(Cunninghamia lanceolata)的793组干形数据,根据十折交叉验证,采用最近邻法(KNN)、随机森林(RF)和人工神经网络(ANN)3种机器学习算法对杉木干形进行模拟,并与传统削度模型(TM)进行比较分析.采用决定系数(R2)、均方根误差(ERMS)、平均误差(EM)和平均绝对误差(EMA)4个评价指标对模型的拟合结果和预测结果进行排序,并结合残差图和相对偏差图等进行分析.研究表明:(1)4个模型的决定系数均大于0.95,最近邻法、传统削度模型和人工神经网络的均方根误差小于1 cm,能较好地描述杉木树干形状.(2)人工神经网络对绝大部分树干的估计最精确,R2分别在0.98以上.其检验集的绝大部分残差都在-2～1 cm,训练集的相对偏差在-50％～50％.(3)其次是最近邻法模型,其训练集的残差范围在4个模型间最小,但泛化预测能力不如人工神经网络模型.(4)随机森林模型精度最低,且其预测集残差分布有随直径(di)增大而增大的趋势.传统削度模型模型表现居中.结果表明:人工神经网络模型与最近邻法模型的拟合精度与预测精度均高于传统削度模型模型,能更精确地模拟杉木干形,且机器学习算法可以不满足传统回归的统计学假设前提.利用机器学习预测林木干形是一种可靠的方法,在生产经营中值得考虑.