茶花灰斑病的综合防治初报

茶花灰斑病防治采用农药混配效果较好．以采用70％甲基托布津600倍＋40％灭病威600倍液对茶花灰斑病的防治效果为最佳。采用科学的林业栽培措施和药剂防治结合的综合防治技术不仅能有效防治茶花灰斑病且利于茶花生长。     

国兰：品种大国的产业尴尬

中国国兰的品种资源数量在整个兰花产业中位于世界前列。据不完全估计,已被命名的国兰品种已经达到3000个以上。2010年花卉行业传出一个振奋人心的消息,福建省连城的一个种植传统国兰（建兰和墨兰）品种的公司正在申请我国的中小企业板块。     

环境铜污染影响及修复的研究现状综述

综述了铜污染对不同生物（包括植物、动物、土壤微生物）影响的研究现状,指出了Cu污染对高等植物毒害作用的研究目前主要集中在对植物生长指标、光合作用、细胞结构、细胞分裂、酶系统和其他营养元素的吸收上;高Cu对高等动物毒害作用的研究非常多,目前主要集中在对动物生产性能、体内重要的铜酶、代谢酶及重要组织器官结构功能的影响;Cu污染对土壤微生物影响的研究主要集中在微生物量及微生物群落结构的变化。探讨了尽量减少铜污染和进行修复的措施。     

微卫星标记在海洋经济贝类中的应用

微卫星标记是一种DNA分析手段,是种群遗传学研究中广泛应用的分子遗传标记。本文探讨了海洋贝类微卫星DNA的开发现状,介绍了微卫星的特点。阐述了微卫星标记技术应用于海洋贝类遗传多样性研究、遗传连锁图谱的构建、杂交子代的鉴定及杂种优势和繁殖成功率分析以及物种鉴定等方面的情况,并说明了微卫星标记技术存在的问题和发展趋势。     

尼罗罗非鱼池塘精养高产实验

池塘规模化养殖罗非鱼效益显著，值得推广。本文报道了罗非鱼规模化养殖的技术和方法。从2004年5月19日放养8-9cm单性尼罗罗非鱼种27万尾，经过7个月养殖试验测定共存活24．84万尾，成活率92％，平均体重0．75kg／尾，最大体重0．81kg／尾。     

三疣梭子蟹胚胎发育过程中主要生化组成的变化及其能量来源

系统研究了三疣梭子蟹(Portunus trituberculatus)胚胎发育过程中胚胎体积、单卵干重、湿重、蛋白质、脂肪、碳水化合物的变化规律,探讨胚胎发育过程中能量来源和消耗规律。结果表明,三疣梭子蟹胚胎发育过程中,胚胎体积持续增加,由受精卵时的(24.5±1.72)×106μm3增加到孵化前的(39.2±2.8)×106μm3(P<0.01);胚胎体积增加主要发生在胚胎发育后期。胚胎发育过程中单卵中水分含量呈上升趋势(P<0.05),水分绝对量由受精卵的(19.88±1.65)μg上升到心跳期的(28.82±1.77)μg,单卵水分含量升高了44.97%,故单卵湿重显著上升(P<0.05)。整个胚胎发育过程中单卵干重下降了4.64%。胚胎发育过程中单卵中的蛋白质、脂肪下降显著,分别减少了(1.97±0.35)μg和(1.99±0.45)μg,脂肪含量下降幅度为50.48%,而蛋白质含量下降幅度为23.48%;三疣梭子蟹胚胎发育过程中能量主要由脂类提供(71.32±20.46)%,其次由蛋白质提供(27.13±4.29)%,脂类和蛋白质分别充当了不同胚胎时期的主要能量来源,胚胎中的能量消耗主要发生在卵裂期、原肠期和心跳期。     

网箱养殖与水环境相互作用关系的研究进展

网箱养殖是一项高投入、高产出、适合大水面的渔业方式。随着养殖规模和养殖强度的扩大,许多水体局部或全部水质恶化,网箱养鱼对水环境的影响引起了许多学者的关注,本文就其相互作用关系研究进展作此综述。     

柴达木盆地沙丘移动的空间分异及对形态参数的响应

研究沙丘移动规律与空间分异特征有助于准确了解风沙活动的危害程度,为区域城镇规划和青藏高原国家生态安全屏障保护与建设提供参考.该研究基于Google Earth软件测量横向沙丘的形态参数与移动速度,分析了移动速度与方向的空间分异特征,以及移动速度对形态参数的响应.结果表明,1)柴达木盆地内沙丘移动速度介于0～23.53 ...     

EMS诱变水稻创制抗咪唑啉酮除草剂种质

为了创制水稻非转基因抗除草剂种质,丰富我国水稻轻简化栽培杂草防治所需的配套种质资源,本研究以0.5％(w/v)甲磺酸乙酯(EMS)水溶液诱变水稻种子14 h,然后以咪唑啉酮类除草剂筛选3 ～4叶期的M2水稻幼苗.结果发现,M2幼苗茎叶喷雾160 mg·L-1甲咪唑烟酸15 d后,非抗性苗黄化、生长被抑制甚至枯死,抗性苗...     

基于Transformer的强泛化苹果叶片病害识别模型

模型泛化能力是病害识别模型多场景应用的关键,该研究针对不同环境下的苹果叶片病害数据,提出一种可以提取多类型特征的强泛化苹果叶片病害识别模型CaTNet。该模型采用双分支结构,首先设计了一种卷积神经网络分支,负责提取苹果叶片图像的局部特征,其次构建了具有挤压和扩充功能的视觉Transformer分支,该分支能够提取苹果叶片图像的全局特征,最后将两种特征进行融合,使Transformer分支可以学习局部特征,使卷积神经网络分支学习全局特征。与多种卷积神经网络模型和Transformer模型相比,该模型具有更好的泛化能力,仅需学习实验室环境叶片数据,即可在自然环境数据下达到80%的识别精度,相较卷积神经网络EfficientNetV2提升7.21个百分点,相较Transformer网络PVT提升26.63个百分点,能够有效提升对不同环境数据的识别精度,解决了深度学习模型训练成本高,泛化能力弱的问题。