除草剂靶标酮醇酸还原异构酶(KARI)研究进展

酮醇酸还原异构酶(KARI)是植物和微生物体内支链氨基酸生物合成的关键酶之一,可以作为设计除草剂的靶标,通过抑制酶的活性中断支链氨基酸的合成使植物死亡,达到除草目的。文章综述了KARI的催化性质、晶体结构以及作为除草剂靶标的研究现状。     

披碱草和野大麦杂种F1与BC1F1代的生物学及农艺特性研究

对披碱草和野大麦及其杂种F1与BC1F1代的生物学及农艺特性进行了分析比较。结果表明,亲本野大麦生长发育节律较快,较早地开花结实,果后营养期较长,生育期74d,生长天数达206d,具有很强的分蘖能力;披碱草生长发育节律较慢,生育期124d,生长天数193d;杂种F1的生长天数介于双亲之间,生长动态偏向亲本披碱草,分蘖能力介于双亲之间;BC1F1代生长发育节律较F1代提早,不同株系生长天数不同,生长动态偏向轮回亲本野大麦,分蘖能力有较大的变异。杂种F1代表现出较强的杂种优势,BC1F1代产草量较F1代有所降低,不同株系间存在明显的差异。总体上,BC1F1代的生产性能倾向于轮回亲本野大麦。     

sikFBA4基因启动子的克隆及低温表达模式分析

天山雪莲生长于常年积雪覆盖高海拔处的高山区域,具有很强的极端低温生境适应能力,属于研究植物低温适应的良好模式植物。前期的研究表明,sikFBA4基因可以显著提高番茄的抗寒能力。为进一步研究sikFBA4基因的耐寒响应模式,以天山雪莲为材料,采用实时荧光定量PCR分析sikFBA4在低温胁迫下的表达模式;利用高效热不对称PCR法(Hi-Tail PCR)克隆sikFBA4启动子序列并进行生物信息学分析。为分析PsikFBA4序列克隆的完整性及转录表达特性,将PsikFBA4与GUS基因融合在烟草中进行瞬时表达。结果表明,sikFBA4在低温胁迫条件下的表达发生瞬时显著上调,并在1 h达到峰值,而后表达下调。通过启动子克隆分析,在PsikFBA4序列-1648 bp位置处具有冷响应元件LTRE;进一步的GUS染色和酶活力测定结果表明,低温能够显著提高GUS基因的表达活性,说明sikFBA4属于低温诱导型基因。SikFBA4基因启动子的克隆、序列分析以及表达分析,为进一步探究雪莲果糖-1,6-二磷酸醛缩酶(sikFBAs)基因的表达与调控机制奠定了基础。     

对一起饲料产品检验不合格案的思考

在饲料执法抽检中,云南省德宏州动物卫生监督所发现某店经营的饲料产品成份与标签标示不一致,由此开展立案调查,并依法进行惩处。通过剖析案件,认为该类监督执法案件要注重采样符合程序,样品检测机构资质健全且检验报告合法,保护当事人的合法权益。同时也建议饲料经营户要合规经营,明确合同保障,积极配合监管等。     

黔糖3号果蔗病害的致病原因与防控对策

针对黔糖3号果蔗生产上病害发生特点及危害程度提出了各病害等级划分标准,并介绍了各病害的田间表现症状、发生特点及变化规律,结合多年的调研结果,分析了导致黔糖3号病害发生的原因。同时提出了黔糖3号生产中各种病害的防控措施。     

土壤养分数据几种特异值处理方法的比较

利用贵州省平坝县马场镇栗木村的13项土壤养分测试数据,对比分析了3σ准则、估计邻域法、影响系数法、邻近点数据比较法4种识别与处理特异值方法的优劣。结果表明:将3σ准则与邻近点数据比较法相结合,对土壤养分测试数据进行特异值处理获得了较好的效果,对提高地质统计学研究结果的精度有积极的作用。     

三峡水利工程对能源植物资源的影响及可持续利用对策探索

根据三峡库区特有的地理及气候特点,分析了三峡水利工程对能源植物带来的影响,初步提出了三峡库区能源植物可持续利用的对策措施,为库区发展生物能源提供决策依据。     

面向多类型土壤有机碳定量反演的天基高光谱探测参数研究

星载高光谱仪器的光谱通道以及光谱分辨率和信噪比等核心参数设置直接影响土壤有机碳定量反演精度。本研究开展了卫星载荷光谱分辨率、信噪比、光谱特征波段对不同土壤类型有机碳反演影响的研究,提出了基于大气传输模型、光谱分辨率分析模型、信噪比分析模型、特征波段的提取分析模型以及偏最小二乘回归反演模型的面向不同土壤类型有机碳监测的高光谱卫星“地面–大气–仪器–观测–反演”全链路仿真分析方法,实现了土壤类型、大气效应、仪器特性参数、反演方法的耦合影响分析。结果表明：①3种类型土壤有机碳反演的最佳光谱分辨率均在10~20 nm。②不同土壤类型对观测的信噪比需求不同。对于Phaeozem的有机碳监测,较另外两种土壤有更高的信噪比需求。③在不同特征波段提取分析方法下所需的最佳光谱分辨率和信噪比一致。不同类型土壤光谱数据提取出的特征波段不同,其中反演效果最佳的土壤类型为Chernozem,特征波段数为26个,R²=0.826 5,RMSE=3.438 9 g/kg。④反演模型与仪器特性参数无耦合关系,同一类型土壤不同反演算法的最佳光谱分辨率和信噪比需求一致。⑤Chernozem有机碳最佳反演参数需求为光谱分辨率15 nm,信噪比大于506.66,特征波段提取数为26个;Kastanozem有机碳最佳反演参数需求为光谱分辨率17 nm,信噪比大于331.42,特征波段提取数为22个;Phaeozem有机碳最佳反演参数需求为光谱分辨率15 nm,信噪比大于432.51,特征波段提取数为19个。     

基于NGO-CNN-SVM的高标准农田灌溉工程施工成本预测

为提高高标准农田项目施工成本的预测精度,控制施工成本在合理范围,减少投资风险,该研究从单体灌溉工程施工成本预测角度出发,通过随机森林（random forest,RF）筛选出高标准农田灌溉工程施工成本的关键影响因素,结合卷积神经网络（convolutional neural networks,CNN）和支持向量机（support vector machine,SVM）两种模型的优点,通过北方苍鹰优化算法（northern goshawk optimization,NGO）对模型里的惩罚因子和核参数进行寻优,构建基于NGO-CNN-SVM的施工成本预测模型。通过辽宁省2018—2023年高标准农田工程中灌溉工程的施工成本数据,选取样本决定系数R²、平均绝对误差MAE、平均绝对百分比误差MAPE和均方根误差RMSE作为精度指标进行分析,结果表明：基于NGO-CNN-SVM的施工成本预测模型在渠道工程中MAE低于0.615万元,RMSE低于0.512万元,R²达到0.968以上,相对误差小于4.210%;在进水闸工程中MAE低于0.610万元,RMSE低于0.536万元,R²达到0.966以上,相对误差小于4.410%;在桥涵工程中MAE低于0.494万元,RMSE低于0.477万元,R²达到0.970以上,相对误差小于3.548%,并相比较于反向传播神经网络,CNN和CNN-SVM模型,NGO-CNN-SVM模型的预测结果均最优。通过特征选择、模型融合、算法优化以及不同模型对比表明NGO-CNN-SVM模型具有更高的预测准确率和泛化性,可为高标准农田灌溉工程施工成本预测提供理论依据。