复合农林业模式是我省西部实现跨越发展的必然选择

本文针对吉林省西部面临的生态与经济问题，以生态经济理论为指导，对复合农林业概念、主要模式、发展前景进行了论述，提出复合农林业是实现吉林省西部跨越式发展的理想模式，并结合本省实际提出了有关对策和建议。     

硝化细菌分子生态学研究进展

硝化细菌在促进水域生态系统的氮循环、保持健康水产养殖环境方面发挥着巨大作用。本文分析了硝化细菌分子生态学研究的意义,介绍了硝化细菌的主要种类及其系统进化关系,综述了硝化细菌分子生态学研究进展,并对中国的研究现状进行了分析。结合作者的工作实践,认为中国应加强对水产养殖环境硝化细菌分子生态学研究,为养殖环境的污染防治和微生态制剂的研制等提供理论依据。     

石头河水库灌区灌排信息管理决策支持系统

应用决策支持系统的原理,开发研制了陕西省石头河水库灌区灌排信息管理决策支持系统。该系统集成了数据采集与传输、数据库管理、水文预报、用水计划编制、兴利调度计划编制、系统维护6个子系统,于2002年石头河水库调度得到应用,编制了该水库年度供水计划、水库兴利调度计划和水库优化调度方案。     

柴油机瞬时转速测量误差分析研究

通过分析柴油机飞轮瞬时转速的测量误差,指出角度误差是飞轮瞬时转速的主要误差来源,从而提出了减少误差的方法,提高了瞬时转速的测量精度。     

射频加热技术在粮食储藏与加工中应用研究进展

粮食的储藏与加工是保障国家粮食安全的重要环节。射频技术凭借具有穿透深度大、加热迅速、整体加热、无化学残留等特点,已广泛应用于粮食产后研究,并在部分领域工业化应用前景广阔。为深入了解射频加热技术在粮食储藏与加工中应用研究进展,本文首先对射频技术展开概述,阐述了射频加热的基本原理,并对目前商业化应用的射频加热系统的类型与特点进行介绍;从粮食与储粮害虫的介电特性、储粮害虫的耐热性和粮食的加热均匀性改善三个方面概述了目前射频在粮食储藏与加工中的基础研究;在此基础上,结合生产中面临的实际问题对该技术在粮食产后杀虫、灭菌、钝酶和干燥等方面的应用进行了总结;最后,就该技术应用于粮食储藏与加工尚存的问题与未来研究方向提出了建议。本文可为射频技术在粮食储藏与加工中的应用研究提供指导作用。     

小白菜小孢子培养胚状体的诱导

21个小白菜品种小孢子培养结果表明:适宜的花蕾长为2.5~3.5mm,花瓣与花药长度比为1/2~3/4;0.05~0.10 mg.L-1的细胞分裂素能促进小孢子胚的发生,高于此浓度的细胞分裂素对小孢子胚的产生有抑制作用,并使小孢子胚向畸形化发展;0.05mg.L-16-BA 0.10 mg.L-1NAA的配比可以明显提高成熟胚的比例。     

应用荧光定量PCR 技术分析普通菜豆品种中尖镰孢菜豆专化型定殖量

尖镰孢菜豆专化型(Fusarium oxysporum f. sp. phaseoli)引起的菜豆枯萎病是菜豆生产中最严重的维管束类病害之一, 防治该病害有效方法是利用抗病品种。因此, 一种能够从菜豆受侵染组织中准确鉴定并定量检测枯萎病原菌含量的方法将有助于筛选抗性品种, 应用于普通菜豆枯萎病抗病育种。本研究基于荧光定量PCR技术开发出一种能够对定殖于菜豆组织中的枯萎病原菌准确定量的新方法。该技术对根、茎组织中病原菌DNA的最低检测量为1 pg, 能在接种病原菌6 d后明显区分抗病性不同的品种, 可在菜豆植株表现出明显发病症状前准确鉴定不同品种抗性水平的差异。经验证参试的感病品种BRB-130和A0640-1根、茎组织中定殖的病原菌DNA量显著高于抗病品种260205和黑芸豆, 与表型鉴定的结果完全符合。利用荧光定量PCR技术能够在病原菌侵染早期快速、准确、高效定量菜豆组织中定殖的病原菌, 这对指导菜豆抗病育种和植物病害传播的研究都具有非常重要价值。     

BL-SCFB-3型生物质快速热解装置的研发

能源和环境的双重压力,使得人类必须开发可再生能源,而生物质能是可再生能源中比较理想的选择在生物质能利用技术中,快速热解技术可将能量密度低的低品位的生物质转变为高品位能源,被认为是最具发展潜力的生物质能利用技术之一。目前,国内外关于快速热解技术的研究主要是以微量或者试验室小试水平为基础而开展的,对于中试和     

下雪天气对图像质量影响的研究

雪天下落的雪花对图像质量产生影响,对关键目标产生遮挡以及模糊作用.通过对雪花成像的表达式进行分析,采取两步法实现雪花去除.先采用暗原色和Guided Filter方法去除雪雾,然后对复原结果采用中值滤波方法进一步去除残余雪线轨迹.实验结果表明,该方法可以有效提高雪天图像的视觉效果.     

基于分类面拼接的快速模块化支持向量机研究

针对大多数现有的机器学习算法处理大规模问题时需要的训练时间很长和存储空间很大的难点,提出了基于分类面拼接的快速模块化支持向量机算法(psfm-SVMs).在训练阶段,psfm-SVMs采用一簇平行超平面对大规模问题实施软划分,然后针对每个子问题并行训练支持向量机.在测试阶段,测试样本坐落于哪个子问题所在空间中,就由该子问题训练的支持向量机给出判别结果.在4个大规模问题上的实验表明:与采取硬划分的快速模块化支持向量机(fm-SVMs)相比,软划分能够使psfm-SVMs得到更加光滑的分类面,因而psfm-SVMs的泛化能力较高.在不增加训练时间的条件下,psfm-SVMs减少了由于训练集分割导致的分类器泛化能力下降.