杨木和杉木木材表面性质的研究

以人工林杨木和杉木木材为研究对象 ,对其表面自由能、表面极性和表面化学官能团等木材表面特征因子进行测定 ,并探讨不同温度处理条件下木材表面特性的变化机理。研究结果表明 :杉木比杨木有较高的总表面自由能 (42 35mN·m- 1 对 38 93mN·m- 1 )和非极性表面自由能 (41 6 1mN·m- 1 对 35 5 2mN·m- 1 ) ,而杨木的极性表面自由能比杉木要高 (3 4 1mN·m- 1 对 0 74mN·m- 1 )。杨木和杉木木材经过不同温度处理后 ,其总表面自由能和非极性表面自由能都随着处理温度的升高而下降 ,而极性自由能则有不同程度的升高。产生此种现象的原因主要为木材表面羟基缔合状态的解除及表面脱羟基作用的综合结果。木材表面 3种主要化学官能团为羟基、烷基和缩醛基 ,在高温处理条件下 ,两种木材羟基对烷基和缩醛基吸收峰面积之比都有所下降 ,说明高温处理过程是一个使木材表面羟基密度减少的过程。木材表面自由能与木材表面化学官能团变化有明显的相关性。     

中国梅的变异与分布研究

通过文献阅读、标本查阅及实地考察，发现了梅的一些变异类型。提出了梅的地理分布格局，对梅分布的历史迁作的探讨。种、滇、藏交界的横断山区是梅的自然分布中心，另外还有一些亚中心；在对种群数量和变异类型研究的基础上，确认梅的自然分布中心即梅的变异中心。     

中亚热带天然林改造成人工林后土壤呼吸的变化特征

【目的】研究中亚热带常绿阔叶林(天然林)改造成人工林后土壤碳排放量的变化及主要影响因子,为评估森林类型转换对土壤碳排放的影响提供科学依据。【方法】在福建农林大学西芹教学林场的常绿阔叶林及由其改造而来的38年生闽楠人工林与35年生杉木人工林中分别设置4块20 m×20 m样地,利用Li-8100土壤碳通量观测系统于2014年9月—2016年9月进行定点观测,并同期观测土壤温度、含水量、有机碳含量(SOC)、微生物生物量碳含量(MBC)、可溶性有机碳含量(DOC)、0～20 cm土层细根生物量和年凋落物量及凋落物碳氮比(C/N)。【结果】常绿阔叶林改造成闽楠(38年后)和杉木人工林(35年后),年均土壤碳排放通量由16. 22显著降为12. 71和4. 83 tC·hm^-2a^-1,分别减少21. 60%和70. 20%;各林分类型的土壤呼吸温度敏感性Q¹⁰值表现为常绿阔叶林(1. 97)<闽楠人工林(2. 03)<杉木人工林(2. 91),转换为杉木人工林后,Q¹⁰值显著升高(P<0. 05);土壤温度能分别解释常绿阔叶林、闽楠人工林与杉木人工林土壤呼吸速率变化的89. 70%、88. 50%和87. 90%,土壤呼吸速率和土壤含水量相关不显著(P>0. 05);土壤呼吸速率和SOC、MBC、DOC、年凋落物量及0～20 cm土层细根生物量均极显著正相关(P<0. 01);土壤呼吸温度敏感性指数Q¹⁰值和凋落物C/N极显著正相关(P<0. 01),而与年均土壤呼吸速率及MBC极显著负相关(P<0. 01);进一步分析发现土壤MBC和SOC含量是影响土壤呼吸速率的2个最重要因子,而凋落物C/N在影响土壤呼吸温度敏感性中的贡献最大。【结论】中亚热带地区常绿阔叶林改造成闽楠(38年)或杉木(35年)人工林后,土壤碳排放通量显著降低。林分类型转换后树种组成和林分结构发生改变,凋落物数量、质量及细根生物量显著降低,土壤SOC和MBC含量显著下降可共同导致土壤呼吸通量的下降。土壤温度是3种林分类型土壤呼吸季节变化的主导因素,而土壤总有机碳库和土壤微生物量碳库的差异是不同林分之间土壤呼吸差异的主导因素,凋落物C/N对土壤呼吸的Q¹⁰影响最大。为提高模型预测森林类型转换影响土壤碳排放的精度,应综合考虑土壤有机碳库、易变性有机碳库及底物质量的变化。     

半滑舌鳎(Cynoglossus semilaevis) gnrh2基因克隆、组织分布及卵巢成熟过程中表达分析

为了研究下丘脑神经肽促性腺激素释放激素(Gonadotropin-releasing hormone 2,GnRH2)在半滑舌鳎(Cynoglossus semilaevis)卵巢成熟过程中的生理作用,本研究通过RT-PCR及RACE方法获得了半滑舌鳎GnRH2全长cDNA序列;通过实时荧光定量PCR(qPCR)对gnrh2 mRNA的组织分布以及卵巢成熟过程中的时空表达特性进行了分析.结果显示,半滑舌鳎GnRH2全长cDNA序列为538 bp(不包括polyA尾),其中,5'非编码区(Untranslated region,UTR)为154 bp,3'UTR为126 bp,开放阅读框(Open reading frame,ORF)为258 bp,编码85个氨基酸的前体多肽,其分子量及等电点分别为9.69 kDa和8.55.GnRH2前体多肽由信号肽、GnRH2十肽、酶切位点(GKR)以及GnRH相关肽共4部分组成.序列比对分析发现,GnRH2在鱼类中同源性极高,尤其是十肽(QHWSHGWYPG)在所有硬骨鱼类中完全相同.半滑舌鳎GnRH2与鲈形目同源性最高(89.41％-90.5 9％),其次为鲽形目、鲑形目和鲍形目(78.82％-85.88％),与鲤形目同源性最低(61.18％-71.76％).gnrh2 mRNA主要在脑中表达,在垂体及其他外周组织中表达量极低.此外,组织学分析显示,半滑舌鳎卵巢发育共分为5个时期(Ⅱ、Ⅲ、Ⅳ、Ⅴ和Ⅵ期).在卵巢成熟过程中,脑gnrh2 mRNA表达量在卵黄生成期(Ⅲ期)显著性增加,达到峰值;随后表达量急剧下降,在成熟期(Ⅴ期)达到最小值;在排卵后期(Ⅵ期)又显著性增加.然而,在卵巢成熟过程中,垂体gnrh2 mRNA表达量在卵黄生成后期(Ⅳ期)显著性降低,随后在成熟期(Ⅴ期)有所增加,但在排卵后期(Ⅵ期)又急剧下降.上述研究结果表明,脑GnRH2可能参与了半滑舌鳎卵巢发育过程.     

浅谈植物灌溉控制系统中PLC技术的应用

现如今社会经济的发展与科学技术的研发都处于不断提升与进步,这就使得在自动化 控制系统当中PLC 技术的应用越发广泛。而通过在对植物灌溉控制系统的设计过程中,将PLC 技术当中的三菱FX2N 这种系列当做核心的主要控制器,不仅能够将植物进行灌溉的时间进行 定时、量份进行控制的自动化目标进行实现,还能够对水资源起到很大程度的节约作用。本文对 PLC 技术的结构与特点进行阐述,进而提出在植物灌溉控制系统当中PLC 技术的实际应用。     

早熟多抗高产茄子新品种紫藤的选育

紫藤是以舟山长茄经连续多代定向选择选育出的极早熟自交系E673为母本,以台湾引进的E638为父本选育的茄子一代杂种。早熟,生长势旺盛,定植后40 d（天）左右始收。果实长直,果皮深紫色,光泽度好,果长30 cm以上,横径2.4~2.8 cm,单果质量80~90 g,外观漂亮,商品性好。每667 m2产量3 900 kg左右,抗枯萎病,中抗青枯病和黄萎病,适宜喜食紫色长茄地区保护地和露地栽培。     

编码金属标签对牙鲆(Paralichthys olivaceus)苗种标记的效果

为了开发适宜牙鲆(Paralichthys olivaceus)苗种放流的标志技术,利用编码金属标签(CWT)对不同规格牙鲆苗种进行了标记实验,并从标记死亡率、脱标率、适宜标记鱼规格等方面评价了CWT的标记效果.结果显示,CWT标记3种规格的牙鲆苗种后,脱标均发生在标记后的4d内,其后未再发生脱标现象.小规格苗种[全长为(5.92±0.41)cm]死亡率较高(13％),中规格苗种[全长(8.92±0.36) cm]死亡率为2％,大规格苗种[全长为(12.06士0.62) cm]死亡率为1％.小规格、中规格和大规格苗种脱标率分别为3.3％、2.4％和0.7％.建立了标记死亡率(M)与苗种全长(TL)、体厚度(BT)的关系模型:M=0.7254 TL2-15.3220TL+79.4260 (R2=0.9601);M=1.3627 BT2-15.5610 BT+ 44.4330 (R2=0.9645),为适宜苗种规格选择与标记效果评价提供了依据.今后利用CWT标签进行牙鲆苗种标志放流时,建议选择全长6 cm以上的苗种进行背部肌肉标记,标记对苗种游泳行为和生长无影响,表明CWT是一种适宜在牙鲆大规模标志放流中应用的理想标志方式.     

大豆籽粒脂肪和蛋白质含量的稳定性研究初报

利用Ｓ．ＡＥｂｅｒｈａｒｔ模式和方法对１４个大豆品种（系）进行连续８年的脂肪和蛋白质含量稳定性研究。结果表明，大豆脂肪和蛋白质含量不仅受遗传因素控制，还受不同年度的气候条件的影响，不同品种受其影响程度不同，其稳定性存在差异．     

抗寒锻炼期间三种楸树叶片激素含量变化

在抗寒锻炼期间,以梓楸、滇楸、灰楸3种楸树为材料,利用酶联免疫吸附方法(ELISA)测定其叶片内源激素IAA(吲哚乙酸)、ABA(脱落酸)、GA3(赤霉素)、ZR(玉米核苷)的含量。结果表明:抗寒锻炼期间,3种楸树叶片ABA含量基本上均呈上升趋势,其它3种激素含量变化趋势不一致。说明在抗寒锻炼期间,3种楸树的抗寒能力逐渐增加。     

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。