如何训练母鸡使用产蛋箱

产在地面垫料和棚架等产蛋箱外的种蛋统称地面蛋,地面蛋是脏蛋不能孵化,即使勉强上孵也会造成孵化器污染,增加实验室检测费用等.地面蛋过多使生产成绩大打折扣,无形中损失了很多利益.     

利用表面等离子共振技术检测牛奶中的朊蛋白

利用生物传感器——表面等离子共振传感器建立在活体动物中检测朊蛋白的方法,依据抗原—抗体特异性原理检测牛奶中朊蛋白。结果表明:应用表面等离子共振技术进行检测,1 h以内即可达到在缓冲液中标准最低检测限30 ng/mL的水平,牛奶样品的最低检测限是120 ng/mL。     

保护农业生物多样性 建设集约化生态田园

农业集约化引发的农业生物多样性下降及农田系统生态功能失衡退化是农业绿色高质量可持续发展的重要威胁。破解集约化农田系统所存在的问题已成为国内外研究的热点,更是我国农业现代化能否如期实现的关键。本文从我国农业现代化的任务出发,结合农业生态科技发展趋势,从集约化农田系统生态功能减弱、生物多样性维持农田生态系统功能和集约化农田生物多样性保护意识欠缺三个方面分析了集约化农田生物多样性保护现状及存在的问题。针对目前集约化农田系统存在的不可持续的问题,提出了四点工作建议,旨在打造新阶段具有中国特色的集约化生态田园建设范式,向世界提供基于农业生物多样性保护的集约化农业可持续绿色发展的中国智慧和中国方案。     

钙对西瓜幼苗生长、光合特性及保护性酶活性的影响

采用营养液水培方式,以‘早佳(8424)’西瓜为试材,研究了不同钙浓度水平对西瓜幼苗生长、光合特性及保护性酶活性的影响。结果表明:0和50mg/L钙处理的幼苗生长缓慢,POD、SOD活性显著高于其它处理;220mg/L处理的生长速度最快,株高最高;190mg/L处理的叶片数、植株鲜重、干重、根系长度,净光合速率Pn、气孔导度Gs、胞间CO2浓度Ci、叶绿素含量显著高于其它处理。因此,在0～220mg/L钙浓度范围内,提高营养液中钙离子浓度,可以促进植株生长,增强光合作用,增加有机物的合成与积累。     

水貂细菌性疾病的病原学调查

为调查山东省水貂常发细菌病的病原学资料,分别对患病水貂进行了病理剖检、细菌的纯培养和生化鉴定。经分离鉴定确定致病菌的种类为变形杆菌、大肠杆菌、沙门氏菌、克雷伯氏菌、耶尔森氏菌、葡萄球菌和绿脓杆菌,并对水貂细菌病的发病原因和规律进行了探讨。     

田间环境参数动态监测系统平台设计与实现

信息技术飞速发展,农业不再是简单的田间的播种、收割农作物,而是对于农作物成长过程的更多的管理。面对多变的天气,及时快速的发现异常,则能够让农户减少损失。本设计是用PHP+MySQL数据库开发的,基于B/S结构的田间环境参数动态监测系统平台,它将网络应用技术运用到农业生产中来,使之能够监测农作物生产环境的动态并及时反馈,让农户能够随时随地查看农场环境信息。通过提供农业相关资讯,环境监测以及农户们交流的服务平台,本平台让农民们可以利用信息技术进行科学化管理,学习更多的技术和知识,最终实现提高单位面积产量的目标。     

急性感染猪瘟病毒猪体外排毒规律的观察

为研究CSFV感染后在体外的传播途径、排毒规律,针对CSFV基因组设计了一对引物和一条探针,建立了一套CSFV荧光定量PCR(FQ-PCR)检测方法,并以质粒为标准品得到扩增标准曲线.对18个CSFV阳性质控样本检测全阳性,6个CSFV阴性质控样本检测全阴性,显示良好敏感性和特异性.应用此方法对石门株感染的16头60日龄长白猪和1头阴性对照猪的粪便、尿液、眼分泌物和唾液中病毒含量进行了动态测定,结果表明从感染后第1天到频死前第8天,粪便中均能检测出病毒;尿液和眼分泌物至少能从第3天,唾液从第4天开始检测出病毒,且病毒含量呈增加趋势.本研究对急性感染猪瘟病毒猪体外排毒规律进行了系统研究,为弄清CSFV感染病程、致病机理及临床诊断奠定了重要理论基础.     

燕麦在法库县种植推广的可行性探讨

介绍燕麦的营养价值及其市场前景,阐述法库县在土质、气候、地理环境、人文环境等方面种植燕麦的条件优势,通过对比种植燕麦与玉米的经济收益,探索燕麦在法库县种植的潜力。     

地方高校基于培养学生创新能力的“食品微生物学”课程教学

食品微生物学是食品类专业的主干课程之一,其教学效果的好坏对该专业人才培养有极其重要的作用。现有的教学方式不能实现食品微生物学作为一门实践性学科应有的作用。在食品微生物学教学改革中,结合学生对食品微生物学的认识,筛选科研素材和新产品,并在理论和实践教学中引导学生开展科研创新训练。通过改革,旨在达到增强学生创新能力、提高学生综合素质和应用微生物学知识进行食品行业的创新和产品升级。     

基于深度学习算法的京津冀地区综合干旱评估模型构建

及时准确的干旱评估对社会经济发展和农业生产具有重要的指导意义,当前的干旱评估指标通常仅考虑植被或降水等单方面影响因素,在实际干旱评估中存在一定的局限性。本研究综合考虑降水、温度、地形等多个干旱致灾因子,以主要产粮基地京津冀地区为例,基于2007-2017年地表温度（Land Surface Temperature,LST）、归一化植被指数（Normalized Difference Vegetation Index,NDVI）以及降水等多源数据,利用深度学习框架Tensorflow构建以标准化降水蒸散发指数（Standardized Precipitation Evapotranspiration Index,SPEI）为目标值的综合干旱评估模型。利用决定系数（R2）和均方根误差（RMSE）对模型进行测试;利用站点标准化降水指数（Standardized Precipitation Index,SPI）、土壤相对湿度数据以及2016年京津冀地区的气象灾害数据,从时间和空间上对模型的可靠性进行验证。结果表明：模型的训练集和测试集在不同月份上均表现较好（R2均大于0.5而RMSE均小于0.55）。模型输出的综合干旱指数（Comprehensive Drought Index,CDI）在密云站上与SPI和SPEI接近,变化趋势基本一致,并且与站点SPI和土壤相对湿度的相关系数分别大于0.7和0.4,均通过了0.01水平的显著性检验。空间上,相较于SPEI,CDI计算的2016年3-7月京津冀地区干旱事件结果与实际情况符合度更高,表明该模型适用于京津冀地区干旱评估。