植被和梯田措施对坡沟系统细沟侵蚀调控作用

坡沟系统作为黄土丘陵沟壑区基本的地貌单元,也是黄土高原侵蚀泥沙的主要来源区。植被和梯田作为坡面水土流失治理的主要措施,对于土壤侵蚀控制和生态恢复发挥着重要的作用,定量评估林草、梯田对坡面细沟侵蚀的调控作用以及多措施协同配置问题对于黄土高原水土流失治理和生态保护具有重要意义。为了揭示植被和梯田的格局和配置对坡沟系统细沟侵蚀的协同调控作用,该研究采用人工模拟降雨,结合三维激光扫描技术,分析了坡面4种措施：上坡位植被（措施A）、下坡位植被（措施B）、梯田（措施C）、梯田+植被（措施D）对细沟侵蚀发生和演变过程的影响。结果表明：1）相同植被覆盖度下,下坡位的植被布设细沟最大长度较上坡位的植被布设细沟最大长度减小量更大;2）第1次降雨中,侵蚀率最大值达到3 500 g/min以上,第2次降雨过程中侵蚀率最大值仅为1 100 g/min以上,在各产流时间内第2次降雨侵蚀率均为第1次降雨侵蚀率的1/3～1/2;3）对于各措施下细沟沟长发育率由大到小表现为措施A(6.55 cm/min)、措施C(5.71 cm/min)、措施B(3.60 cm/min)、措施D(2.69 cm/min);4）梯田与植...     

燕山板栗种质资源AFLP遗传多样性分析

为研究燕山板栗的遗传多样性,用扩增片段长度多态性(amplified fragment length polymorphism,AFLP)技术对44份板栗种质的遗传多样性及遗传距离进行分析,其中36份原产燕山地区的种质中有18份为野生种质和18份为栽培品种,另外8份为原产山东的品种.共检测了384个AFLP位点,有217个是多态性位点,占56.5%,这表明了所检测的板栗材料中存在着明显的遗传多样性.用NT.SYS软件对44份板栗种质进行聚类分析.所有材料聚成4个类群,其中燕山地区原产的板栗材料被聚为3个类群,山东起源的被聚类为1个独立的类群.在所分析的44份材料中,遗传距离在0.0292和0.2214之间.燕山板栗和外来板栗存在着明显的差异,本研究结果与本实验室用RAPD技术分析的结果是一致的.结果对这些板栗材料在育种中的应用具有重要指导意义.     

葡萄果实cDNA文库的构建及鉴定

构建葡萄果实cDNA文库是研究果实发育相关基因表达调控的基础工作.本实验从巨峰葡萄果实中提取了高质量的RNA,利用MMLV反转录酶把总RNA中的mRNA反转录成cDNA第一链,用特异引物进行LD-PCR扩增合成双链cDNA.将分级纯化的带有粘性末端双链cDNA与λTrip Ⅰ Ex2载体连接,重组载体体外包埋成为cDNA原始文库.初步鉴定原始文库的滴度为1.32×106 pfu/mL,文库扩增后滴度达1.45×1010 pfu/mL.从扩增文库中随机挑取250个克隆进行PCR鉴定,结果表明重组率为98.7%,插入片段大小在0.5～2.0 kb之间,因此,本研究成功构建了葡萄果实cDNA文库.     

土壤秸秆注孔对土壤含水量及作物生长的影响

[目的] 研究土壤秸秆注孔对土壤含水量及作物生长的影响,为旱作农田增加雨水蓄集能力及提高水分利用效率提供理论依据。[方法] 开展玉米-小麦轮作田间试验,设置常规种植(CK)、土壤秸秆注孔2孔/m²(T₁),4孔/m²(T₂),8孔/m²(T₃)4个处理。[结果] 秸秆注孔所有处理均提高了整个试验期表层土壤含水量。T₂,T₃处理提高了收获期深层土壤含水量,试验结束时两者底层土壤(60-80 cm)含水量较CK分别提高了29.19 %和28.18 %。秸秆注孔处理提高了作物株高、经济产量和生物量,以及降水利用效率和水分利用效率,T₂,T₃处理的提高效果最明显,且彼此差异不显著。[结论] 秸秆注孔具有保水性能和增产能力,根据成本和效果综合考虑,推荐秸秆注孔4孔/m²(T₂)作为优选处理。     

青藏高原低云量的年际变化及其稳定性

利用青藏高原80个测站1961-2000年1～12月低云量资料,分析了青藏高原低云量的年际变化规律.结果表明:青藏高原的低云量从东南向西北减少,云量的稳定性夏季高于冬季,南部高于北部.江河上游区域、藏东谷地、川西高原、甘南高原和祁连山区是青藏高原低云量多,且比较稳定的地区;青藏高原西部低云量月变化振幅大,尤以西南部为最,夏季云量最多;高原东南部江河上游区和藏东谷地3～9月低云量多,且起伏变化小,6月和9月出现峰值;高原东南部低云量稳定性较好;低云量的年际变化总体呈下降趋势, 江河上游区和高原东南部的低云量变化缓慢,高原西北部有显著上升趋势;变化趋势在季节上表现为冬、春、夏、秋西北上升西南下降,春、秋季中东部持平,夏、冬略降.     

基于轻量型残差网络的自然场景水稻害虫识别

准确识别水稻害虫对水稻及时采取防护和治理措施具有重要意义,该研究以自然场景中水稻害虫图像为研究对象,针对水稻害虫图像的颜色纹理与背景相近以及同类害虫形态差异较大等特点,设计了一个由特征提取、全局优化以及局部优化模块构成的轻量型残差网络（Light Weight Residual Network,LW-ResNet）用于水稻害虫识别。在特征提取模块通过增加卷积层数以及分支数对残差块进行改进,有效提取自然场景中水稻害虫图像的深层全局特征并使用全局优化模块进行优化;局部优化模块通过设计轻量型注意力子模块关注害虫的局部判别性特征。LW-ResNet网络在特征提取模块减少了残差块的数量,在注意力子模块中采用深度可分离卷积减少了浮点运算量,从而实现了模型的轻量化。试验结果表明,所设计的LW-ResNet网络在13类水稻害虫图像的测试数据集上达到了92.5%的识别准确率,高于VGG16、ResNet、AlexNet等经典卷积神经网络模型,并且LW-ResNet网络的参数量仅为1.62×106个,浮点运算量仅为0.34×109次,低于MobileNetV3轻量级卷积神经网络模型。该研究成果可用于移动端水稻害虫的自动识别。     

基于"三线"统筹的省域永久基本农田布局优化规则与实证研究

统筹永久基本农田保护红线、生态保护红线、城镇开发边界来优化永久基本农田空间布局能够更好地保住优质耕地资源、保障国家粮食安全。该研究应用文献研究法和归纳总结法,系统梳理了永久基本农田保护红线、生态保护红线 、城镇开发边界（以下简称"三线"）划定的政策法规,建立了"三线"统筹下的省域永久基本农田布局优化规则,并以广西壮族自治区为例进行了验证。结果表明：1）选择耕地国家利用等和集中连片程度进行了永久基本农田"三线"统筹划定,退出了生态保护红线核心区内所有永久基本农田7 413.46 hm2,并将5 073.05 hm2优质连片的永久基本农田以"开天窗"的形式保留在了生态保护红线一般区和城镇开发边界内;2）广西全区退出永久基本农田1 426 540.77 hm2,主要是标注为工程恢复和未标注的非耕地,补划了永久基本农田525 614.37 hm2,主要是生态保护红线和城镇开发边界外优质连片的耕地,布局优化后的永久基本农田保护率高达85.62%;3）布局优化后的永久基本农田全为耕地且与生态保护红线、城镇开发边界之间无交叉重叠,集中连片的永久基本农田达到95.08%,无重度和极重度污染损毁、石漠化和25°以上坡耕地,永久基本农田国家利用等提高了0.06等。建立的永久基本农田布局优化规则实现了"保护优先、布局优化、优近劣出、质量提升、三线统筹"的目标,能够为各省份指导市县统筹三条控制线划定永久基本农田保护红线提供思路借鉴。     

人地协调视角下农村居民点利用质量评价与提升策略

农村居民点高质量利用是乡村振兴的一种具体表现,综合开展农村居民点质量评价、全面改善质量障碍要素是科学编制村庄规划和优化农村要素配置的基础。该研究以北京市平谷区为例,从土地集约利用和人居环境品质相互协调的视角界定农村居民点利用质量内涵并构建评价体系,综合运用熵权-TOPSIS法、变异系数修正的弹性系数法和障碍度诊断模型,对农村居民点利用质量进行评价并提出相应的提升策略。结果表明：1）平谷区农村居民点土地集约利用水平中等偏高,人居环境品质和农村居民点利用综合质量则中等偏低。2）平谷区农村居民点类型表现为中等质量主导、高质量次之、低质量偏少,对应着从脱钩F弱型、脱钩T弱型、正向挂钩F强型、负向挂钩F弱型、正向挂钩T强型、负向挂钩T弱型、正向挂钩T-F同强型、负向挂钩T-F同弱型的村庄数量依次降低。3）平谷区农村居民点高质量利用的障碍要素主要体现在规模强度、空间布局、生活环境和生产环境4个维度,从高质量到低质量利用类型,障碍因素数量增多、作用程度逐渐增大。4）平谷区应充分发挥生态环境优势,在"整体化、集约化、人本化和善治化"战略导向下,按照"高质量利用类适当优化、中等质量利用类同步调控、低质量利用类系统整治"策略,分类有序地推进农村居民点质量提升。     

基于轻量级神经网络MobileNetV3-Small的鲈鱼摄食状态分类

在集约化水产养殖过程中,饲料投喂是控制养殖成本,提高养殖效率的关键。室外环境复杂多变且难以控制,适用于此环境的移动设备计算能力较弱,通过识别鱼类摄食状态实现智能投喂仍存在困难。针对此种现象,该研究选取了轻量级神经网络MobileNetV3-Small对鲈鱼摄食状态进行分类。通过水上摄像机采集水面鲈鱼进食图像,根据鲈鱼进食规律选取每轮投喂后第80～110秒的图片建立数据集,经训练后的MobileNetV3-Small网络模型在测试集的准确率达到99.60%,召回率为99.40%,精准率为99.80%,F1分数为99.60%。通过与ResNet-18, ShuffleNetV2和MobileNetV3-Large深度学习模型相比,MobileNetV3-Small模型的计算量最小为582 M,平均分类速率最大为39.21帧/s。与传统机器学习模型KNN（K-Nearest Neighbors）、SVM（Support Vector Machine）、GBDT（Gradient Boosting Decision Tree）和Stacking相比,MobileNetV3-Small模型的综合准确率高出12.74、23.85、3.60和2.78个百分点。为进一步验证该模型有效性,在室外真实养殖环境进行投喂试验。结果显示,与人工投喂相比,基于该分类模型决策的鲈鱼投喂方式的饵料系数为1.42,质量增加率为5.56%。在室外真实养殖环境下,MobileNetV3-Small模型对鲈鱼摄食状态有较好的分类效果,基于该分类模型决策的鲈鱼投喂方式在一定程度上能够代替养殖人员进行决策,为室外集约化养殖环境下的高效智能投喂提供了参考。     

CRISPR/Cas systems:The link between functional genes and genetic improvement

With the ever-increasing human population and deteriorating environmental conditions, there is an urgent need to breed environmentally friendly and resource-con...