培养基成分和补料对阿维菌素发酵过程中除虫链霉菌菌丝形态的影响

研究了阿维菌素发酵过程中培养基成分和补料对菌丝形态的影响,以及在这些条件下菌丝形态、菌体代谢以及产量之间的相互关系。结果表明:碳氮源种类和碳氮比与菌体生长密切相关,对除虫链霉菌前期的菌丝形态影响较大。只有当除虫链霉菌为密实的球状时,才能获得较高的阿维菌素产量;进一步通过调控使发酵中后期菌丝形态保持一定的菌球尺寸(球核面积、核区周长和菌丝球面积)对维持阿维菌素合成有利。     

盐度对中华绒螯蟹仔蟹标准代谢的影响

对均重(0.12±0.01)g的中华绒螯蟹(Eriocheir sinensis)仔蟹在6个盐度(0、4、8、12、16、20)梯度下的标准代谢进行研究。各梯度的水温为(24±0.5)℃、溶解氧为(8.12±0.23)g/m L、p H为7.5±0.18。在不同时间段测量各盐度梯度代谢瓶内溶氧量、CO_2含量及NH_3-N含量,将时间与耗氧率、CO_2排出率及NH_3-N排泄率进行回归分析。研究结果表明,根据仔蟹行为及代谢瓶内氧气含量与时间(h)的回归分析将仔蟹行为可分3个阶段:自由运动阶段[DO2.33 mg/L]、生存阶段[0.33 mg/LDO2.33 mg/L]及窒息阶段[DO0.33 mg/L]。在自由运动阶段和生存阶段,盐度对仔蟹耗氧率、CO_2排出率及NH_3-N排泄率影响显著(P0.05);在窒息阶段,盐度对仔蟹的耗氧率、CO_2排出率及NH_3-N排泄率影响不显著(P0.05)。研究结果还表明中华绒螯蟹仔蟹在高溶氧环境的主要供能物质为脂肪;低溶氧环境的主要供能物质为脂肪和碳水化合物;蛋白质在能量供给中的比例随溶氧增加而逐渐增加。     

新疆西昆仑地区泥石流灾害分析与评价

[目的]评价研究区泥石流的危险性,找出适合新疆西昆仑地区泥石流灾害研究的技术和方法。[方法]以新疆西昆仑山脉西段马尔洋地区为研究对象,在充分收集、研究前人资料和有效利用其他信息源的基础上,通过对研究区ETM+影像数据的研究,对研究区泥石流灾害点进行了判读。结合DEM数据,对该区地形地貌进行了研究。[结果]选取了合适的泥石流灾害危险性评价指标体系。一般危险区、中度危险区、高度危险区、极度危险区,面积分别为:31.69,40.70,38.31,25.83km2,所占比例分别为:23.21%,29.81%,28.06%,19.92%。[结论]研究区泥石流灾害极度危险区和高度危险区占总面积的47.98%,主要分布在研究区的中部和西北部区域,为泥石流灾害高度危险性易发区。     

浑河上游典型水源涵养林降雨再分配过程

为明确浑河上游典型水源涵养林的降雨再分配过程,以浑河上游地区5种典型水源涵养林(红松人工林、落叶松人工林、红松混交林、落叶松混交林、阔叶混交林)为研究对象,应用自记式观测记录仪,分析不同林型林冠层对降水再分配过程(穿透雨、树干茎流、林冠截留)的影响。结果表明:各林型穿透雨量(率)、树干茎流量(率)、林冠截留量均随林外降雨量增加而增大;穿透雨量、树干茎流量、林冠截留量均与林外降雨量呈显著的线性正相关;各林型穿透雨率、树干茎流率与林外降雨量呈显著的对数函数关系;红松混交林、落叶松混交林的树干茎流率(32.12%,15.44%)均高于阔叶混交林与红松、落叶松人工林,红松、落叶松人工林的林冠截留能力(80.66%,77.47%)高于阔叶混交林、针阔混交林。该结果为浑河上游地区水源涵养林的最优空间结构配置与经营管理提供科学依据。     

基于简化基因组测序技术的甘薯HRM分子标记开发及其应用

目前甘薯中针对SNP位点的分子标记开发及应用的报道较少。为开发甘薯特异SNP分子标记,本研究利用简化基因组测序技术对甘薯种质材料进行测序,筛选稳定的SNP位点,将其开发为基于HRM技术的分子标记,并在甘薯种质材料中进行验证。通过对23个甘薯种质材料简化基因组测序数据的分析,共发现835 756个SNP多态性位点,筛选其中的3 650个含有SNP多态性位点的高质量测序片段,成功设计了134对引物;初步验证发现,22对(16.42%)引物没有扩增产物,15对(11.19%)引物扩增产物2个以上,36对(26.87%)引物的扩增产物没有差异。61对(45.52%)引物在8个样本中的扩增特异性好,而且样本之间有差异。最后筛选34对扩增多态性丰富的引物对52份甘薯种质材料进行扫描,发现材料间多态性介于27.27%~90.91%之间,平均多态性达到59.35%。聚类分析表明,参试52份甘薯种质材料之间的差异较小,多数材料与骨干亲本南瑞苕、徐薯18之间关系较近,国外引进甘薯材料和地方品种差异较大。建议在今后甘薯育种中尽量选用地方品种和国外甘薯品种,从而更好地拓宽甘薯遗传背景。本研究初步建立了基于简化基因组技术和HRM技术开发甘薯SNP分子标记的新思路,为今后甘薯SNP分子标记开发提供了参考。同时本研究开发的甘薯分子标记,丰富了甘薯分子标记类型,为甘薯研究者开展快速的分子标记研究提供了支持。     

颗粒物对乐果的吸附特征

研究了颗粒物（内蒙古土壤Y2、Y3、Y4和黄河水体表层沉积物Y1）对有机磷农药乐果的吸附规律,观察了颗粒物的性质如有机质、粘粒、CEC（阳离子交换量）和离子强度等因素对吸附行为的影响。结果表明,内蒙古4种颗粒物对乐果的吸附过程可用Freundlich等温式描述,吸附常数在1.4848～1.9550mL·g-1之间;影响颗粒物对乐果吸附的主要因素是CEC、离子强度和有机质,颗粒物对乐果的吸附量与颗粒物的CEC有着极显著的正相关关系,相关系数为0.9812,P〈0.01;随着离子强度的降低,4种颗粒物对乐果的吸附量增大;除黄河水体表层沉积物Y1外,颗粒物的有机质含量越高,对乐果的吸附能力就越强。     

CO2浓度升高对毛竹和四季竹叶片主要养分化学计量特征的影响

运用开顶式气室(OTCs)模拟大气CO2浓度升高(500、700 μmol/mol),以目前环境背景大气为对照,研究CO2浓度升高对毛竹和四季竹叶片碳(C)、氮(N)、磷(P)和钾(K)化学计量特征的影响.结果表明,毛竹和四季竹叶片C、N、P和K含量在不同的CO2浓度(对照、500、700 μmol/mol)条件下,变化范围分别为512.13～543.30、19.23～22.97、1.26～0.96和8.40～5.88 mg/g,492.13～498.02、17.97～15.37、1.05 ～0.81和4.25～5.62mg/g.相同的CO2浓度条件下,毛竹叶片C、N、P和K含量均高于四季竹,且受CO2浓度升高的影响较四季竹强烈.毛竹和四季竹叶片C/N、C/P、C/K、N/P、N/K和K/P变化范围分别依次为26.64～23.65、406.58～565.93、60.98～92.40、15.26～23.93、2.29～3.91和7.00～6.22,27.39～32.40、468.70～614.84、115.80～88.61、17.07～18.98、4.24～2.73和4.04～6.94.与环境背景大气比较,CO2浓度升高到500 μmol/mol,对毛竹和四季竹叶片C、N、P和K含量及其化学计量比并不会产生明显影响,这反映了毛竹和四季竹对高CO2浓度环境均表现出较强的适应能力.但CO2浓度升高到700 μ mol/mol,除四季竹叶片C含量无明显变化外,毛竹和四季竹叶片主要养分元素含量及其化学计量比会发生明显的适应性变化,且毛竹较四季竹变化剧烈.综上,CO2浓度升高改变了毛竹和四季竹叶片C、N、P、K含量及其化学计量比格局,尤其是CO2浓度升高到700 μmol/mol时极为明显;在养分供应上,对四季竹生长的N、P、K限制性作用和毛竹生长的N、K限制性作用没有明显影响,但明显增强了毛竹生长的P素限制性作用.     

空间变异在土壤性质长期定位观测及取样中的应用

通过对中国科学院沈阳生态实验站30m×42m样地进行网格法分层取样,采用经典统计学与地统计学相结合的方法,以土壤pH和有机碳(TOC)为例,探讨了空间变异在土壤性质定位试验及取样中的应用。结果表明,49对样本的pH和TOC变异系数均小于10%,变量在0~10cm和10~20cm两个层次的基本统计数值基本接近,最佳理论模型的参数显示各变量空间变异主要受结构性因素的影响,且以135°方向的变异为主;相对误差为10%时采集6个和10个土样可分别达到95%和99%的置信水平,结合空间分布格局可以确定更为精确的取样方案;综合分析表明待选样地可以作为土壤性质长期定位观测试验用地。     

基于RealSense深度相机的多特征树干快速识别方法

针对农业机器人在果园定位和导航中,环境背景复杂、光照强度变化大等问题,本文提出了一种基于RGB-D相机并利用颜色、深度、宽度和平行边特征的树干快速识别方法。首先,使用RealSense深度相机获取果园的彩色图像和深度数据;然后,将彩色图像转换为HSV颜色空间,再对HSV颜色空间中的S分量进行超像素分割,并将颜色特征和深度特征相近的相邻超像素块进行合并;随后,对深度图像进行树干宽度特征检测,对宽度置信率大于阈值的物体看作是待处理物体;最后,对待处理的物体进行平行边特征检测,在待处理物体边缘区域选择感兴趣区域窗口（ROI）进行边缘检测,搜索可能的树干边缘直边,当物体边缘的置信率R_B大于设定的阈值T_LB时,则识别为树干。通过对树干的多特征提取,有效提高了在不同环境下树干识别准确率。利用移动机器人平台在果园环境进行试验测试,以检验在强光照、正常光照和弱光照条件下树干识别算法的性能。试验结果表明,本文的树干识别算法在强光照、正常光照和弱光照条件下,树干识别的准确率分别为92.38%、91.35%和89.86%,每帧图像平均耗时分别为0.54、0.66、...     

基于粒子群算法的混联机构神经网络自适应反演控制

针对含有不匹配干扰的混联机构轨迹跟踪控制问题,提出了一种极限学习机与自适应反演控制相结合的控制策略。在对干扰进行分析的基础上,分别采用两个极限学习机网络对系统中的匹配和不匹配干扰进行逼近和补偿。基于Lyapunov函数稳定性设计了混联机构的控制律与自适应律,实现混联机构的轨迹跟踪控制。由于控制器可调参数较多,采用粒子群算法进行控制器参数的寻优整定。仿真结果表明,所提出的控制方法具有良好的轨迹跟踪精度和鲁棒性。