水分和磷对苗期玉米根系形态和磷吸收的耦合效应

水分亏缺和土壤缺磷已经成为玉米(Zea mays L.)生产的主要限制性因素,但水分和磷如何调节玉米根系形态和磷吸收尚不完全清楚。本研究采用盆栽土培试验,设置4个水分梯度[田间持水量的35%(W1)、55%(W2)、75%(W3)和100%(W4)]和2个磷处理[高磷:205 mg(P)·kg~(-1);低磷:11 mg(P)·kg~(-1)],探究水分和磷对苗期玉米根系生长和磷吸收的耦合效应。结果表明:(1)不管土壤磷供应如何,玉米苗干重、根干重、总根长和根表面积随水分供应强度的增加呈现先增加后降低的趋势,土壤有效磷含量也表现出相似的变化趋势,根质量比和平均根直径随水分供应强度的增加呈现下降的趋势,植株磷含量和磷累积量随水分供应强度的增加呈现稳定增加的趋势;(2)水分亏缺(W1)和过量供应(W4)均不利于玉米根系生长和干物质累积,水分亏缺(W1)抑制玉米对土壤磷素的获取,水分过量供应(W4)引起土壤磷素的奢侈吸收(W4),轻度的水分胁迫(W2)能够促进玉米根系的生长和干物质累积,减少对土壤磷的奢侈吸收,充足的水分供应(W3)能够促进玉米根系的生长、干物质累积和土壤磷素的吸收;(3)磷供应显著增加了玉米苗干重、根干重(W4除外)、总根长、根表面积、植株磷含量(W4除外)和磷累积量,但降低了玉米的根质量比。(4)两因素方差分析结果表明,水分对苗干重、根干重、根质量比、总根长、根表面积、平均根直径、植株磷含量、植株磷累积量和土壤有效磷含量的相对贡献分别为45.94%、36.71%、67.95%、59.63%、58.34%、81.86%、24.75%、35.66%和3.00%,磷对这些参数的相对贡献分别为34.78%、21.19%、14.84%、9.22%、9.21%、1.56%、35.54%、49.75%和94.40%,可见水分是控制玉米根系形态和干物质累积的关键因子,磷是控制玉米地上磷吸收和土壤有效磷含量的关键因子。总体来说,低磷条件下玉米根系对土壤磷的获取偏向于以根形态为主导的适应策略,高磷条件下玉米根系对土壤磷的获取偏向于以根生理吸收为主导的适应策略。水分和磷之间较好的耦合能够促进玉米根系生长、干物质累积,减少对土壤磷素的奢侈吸收。     

猪圆环病毒2型高免卵黄抗体的研制与应用

为制备猪圆环病毒2型(porcine circovirus serotype2,PCV-2)高免卵黄抗体,并对其治疗效果进行研究,通过自制猪圆环病毒2型(PCV-2)灭活苗,免疫SPF产蛋鸡,收集高免蛋,制备PCV-2高免卵黄抗体,对高免卵黄抗体进行无菌检验、活体动物安全性检测,用琼脂扩散方法进行效价检验和人工感染保育猪治疗试验,并将其应用于临床实践,观察其治疗效果。结果抗体效价达到1∶64;人工感染治疗试验治愈率达100%;临床试验治愈率为96%,应用效果良好。     

海拔对稻米品质影响的灰色关联分析

稻米品质除受到遗传基因的控制外,还受到环境生态条件的影响。海拔高度属影响因素之一。刘家富等报道了在不同海拔条件下种植的水稻,其稻谷(米)加工品质、外观和蒸煮品质的变化情况;范燕萍等曾报道种植的海拔高度提高,能够降低稻米垩白和胚乳淀粉小细胞数。但已有的这些研究,都基于对单个品质性状的逐一分析。由于未能采用一个合适的米质     

陆良县农村土地承包经营权流转现状分析

阐述陆良县土地流转的现状及建议。     

水稻的施肥时期和方法

优质高产水稻的施肥时期和方法很重要,起着决定性的作用,因此重点分析几种基本肥料的施肥时间以及方法,仅供参考。     

大力加湖鲟鱼放养场水质理化特征

2004年5月、7月、9月和12月对大力加湖鲟鱼放养场水化学特征进行了调查,结果表明：大力加湖鲟鱼放养场水质良好,透明度变幅在45～90cm,pH值变幅在6.69～8.72,水呈中性。水型属重碳酸盐类,钙组Ⅰ型(C_Ⅰ~(ca))软水。水中主要营养元素含量,总氮含量较高平均为1.63 mg/L,磷酸盐含量较低平均为0.0339 mg/L。离子含量以冬季最高104.52 mg/L,春季最低51.64 mg/L。水中离子含量高低次序为HCO_3~-＞Ca~(2 )＞Cl~-＞Mg~2＞Na~(?) K~ 。探讨了水体的的营养类型和利用。     

亦师亦母

我在沈农生活8年,完成本科和研究生阶段学业。刘明春教授是我的硕士研究生导师,由于对学生要求严格,以至于很多同学对她敬而远之。工作已4年,凡涉及到兽药方面的知识,同事们大都向我咨询,得益于在校期间导师的用心培养和严格要求。但在生活中,她待人和善、平易近人,每逢重要节日,总会邀请学生聚餐。记得2007年春节,我因课题实验没有回家过年,心里不免有些孤寂与思     

城市工业用水量的灰色马尔可夫预测模型

灰色GM(1,1)是预测城市工业用水量的模型,这种模型不适合长期的、随机和波动性较大的数据序列预测,但是马尔可夫模型适合描述随机波动性较大的预测问题.可以将这两种模型结合,构建灰色马尔可夫预测模型.按特定的状态划分方法,先用灰色GM(1,1)预测模型进行预测,再用马尔可夫模型预测结果进行优化,使预测精度大大提高.最后以抚顺市为例,预测结果证明了该模型的优势.