甘薯脱毒微型薯育苗的优势

进行甘薯浙薯33微型薯育苗和分期扦插试验。结果表明,667 m²以栽3 300株苗计算,需微型薯1.61 kg,仅为常规育苗种量的2.15%,脱毒微型薯不仅可以减少生产中育苗种薯的使用量,而且可以减少各种病害的发生。脱毒微型薯秧苗对单株结薯数影响不大,平均单薯重、商品薯率和理论产量明显优于自留种的秧苗。     

黄淮稻区水稻品种氮肥利用效率比较分析

为探明不同施氮水平对水稻品种氮肥利用率和农艺性状的影响,以适宜黄淮稻区的18个粳稻品种为材料,田间种植,设置4个施氮水平(0、225、300和375 kg/hm^2),研究各品种氮肥利用率和农艺性状的变化规律.结果表明:不同施氮水平下,各品种的氮肥农学利用率及其农艺性状差异显著;株高、有效穗数和全生育期与施氮量呈正相关关系;结实率和氮肥偏生产力与施氮量呈负相关关系;穗长、每穗粒数、千粒重、单株谷重和氮肥农学利用率随氮肥的施加出现先增加后降低的趋势.隶属度函数和K-均值聚类分析结果显示,综合评价氮肥利用效率最高的3个品种为连粳16117、连粳15号和新粮12号.     

黄淮海稻区水稻品种的穗颈瘟抗性

[目的]为明确黄淮海稻区育成水稻品种的稻瘟病抗性及其基因型,[方法]收集了来自本稻区5个不同地区的水稻品种,连续两年通过稻瘟病菌接种鉴定和田间病圃自然诱发对供试品种进行了稻瘟病抗性鉴定,并利用4个抗病基因Pita, Pib, Pi54和Pikm的分子标记,对水稻品种基因型进行了统计分析,并以抗性等级为表型值对品种资源进行聚类分析。[结果]黄淮海稻区水稻品种发病率较高,分别达 85.2%和 65.9%。Pi54和Pib检出率分别达 84%、65%。同时抗性聚类分析表明Pi54和Pib在本稻区的抗性贡献率却很低。[结论]黄淮海稻区水稻品种稻瘟病抗性弱,携带的抗瘟基因的抗性在不断减弱或丧失,需加强稻瘟病主效抗性的发掘、开发与利用。     

奥地利森林可持续经营对湖南林业的可借鉴经验

通过在奥地利的学习、考察和交流,深入了解奥地利林业在森林可持续发展经营、近自然林业经营技术、木材资源利用、林业扶持政策、林业人才培养、湿地型国家公园管理、林业科学研究和科技推广应用等方面的先进理念,对比分析湖南林业发展的不足之处,借鉴奥地利林业健全的林业法律规章和制度体系、扎实的林业人才培养与技能培训和深入人心的社区林业经验等可持续发展经验,为进一步推动湖南林业转型升级和实现森林可持续发展提供参考。     

园林绿化施工中的苗木栽培管理

作为城市生态环境建设的重要组成部分,园林绿化工程对于改善城市精神面貌以及提高人们生活质量有着重要影响。而在园林绿化工程建设过程中,苗木栽培管理是非常重要的一个施工环节。针对园林绿化施工过程中苗木栽培管理进行研究与分析,论述了苗木栽培管理的原则与管理流程,并提出了提升苗木栽培管理水平的措施,希望促进园林绿化工程的发展,推动我国城市生态文明建设。     

鸡肉粉替代鱼粉饲料添加明胶、淀粉包被的氨基酸对凡纳滨对虾生长性能的影响

将凡纳滨对虾(初重为0.3±0.01 g)随机分配到24个水族箱(150 L)中,每箱30尾,3个水族箱为1个试验处理。配制8组试验饲料,即鱼粉组(Diet1)、鸡肉粉组(Diet2)、鸡肉粉+EAA组(Diet3)、鸡肉粉+NEAA+EAA组(Diet4)、鸡肉粉+明胶包被EAA组(Diet5)、鸡肉粉+明胶包被NEAA+EAA组(Diet6)、鸡肉粉+淀粉包被EAA组(Diet7)、鸡肉粉+淀粉包被NEAA+EAA组(Diet8)。每个处理组对虾饲喂1组试验料,每天投喂3次,每次至饱食,试验期为8周。结果表明,与鸡肉粉组相比,饲料添加CAA显著提高了凡纳滨对虾的增重率和饲料效率;添加包被氨基酸饲料组的生长性能高于添加未包被氨基酸饲料组;与明胶包被EAA组相比,淀粉包被EAA组提高了凡纳滨对虾的生长性能;添加包被EAA比添加包被EAA+NEAA对凡纳滨对虾有更好的生长效果。     

林业资源探讨和林业造林方法研究

伴随着工业的不断发展,社会发展对于林业资源的消耗正在不断的加剧。环境和资源问题目前已经成为了社会各界所关注的热点问题,这和林业资源以及造林方法都有着比较大的关系。本文主要结合实践,就林业资源开展了分析,并对造林的方法开展了探讨,以期能够更好的促进新时期林业的发展和进步。     

浅析混合所有制由经济领域向教育领域理性迁移

混合所有制经济领域向教育领域迁移能有效的推动校企合作深度,为现代社会经济转型与升级培养高质量的技术技能型合格人才提供条件,又解决当代就业人质量差而无法就业的困难。混合所有制迁移教育领域,教育领域应该办成国有资产控股的职业教育,绝不能办成以盈利为目的的产业,文章就是从其内涵建设方面进行研究。     

基于深度学习特征和支持向量机的遥感图像分类

随着遥感图像采集技术的迅速发展,传统的遥感图像处理方法已经不能满足当前实际的生产需要。近年来,深度学习模型的流行为遥感图像分类问题的解决提供了新的途径。因此,为了进一步提升遥感图像的分类精度,笔者提出了一种基于深度学习特征和支持向量机(support vector machine,SVM)的遥感图像分类模型。首先,针对深度学习模型需要海量训练数据的特点,运用旋转、剪裁等方法对原始的遥感图像进行数据扩增;然后,将扩增数据按照种类随机地分为训练集和验证集两部分测试集,并使用训练集和验证集训练改进的针对遥感图像分类问题的卷积神经网络(convolutional neural network,CNN)中的参数,进而在训练好的CNN模型上提取第一部分测试集的深度学习特征;最后,使用第一部分测试集的深度特征训练多分类SVM,并对第二部分测试集图像进行分类验证。实验采用NWPU-RESISC45公共数据集对本研究模型精度进行验证,与现有的遥感图像分类方法相比较,实验结果表明,提出模型的总体分类精度有明显提升,从而验证了方法的有效性和实用性。     

张家口保护地黄瓜根结线虫病的发生与防治

2011~2013年,对张家口保护地黄瓜根结线虫病的发生为害进行调查研究。结果表明:黄瓜根结线虫病在张家口保护地黄瓜上发生普遍,连作10a以上的黄瓜棚的发病率达到100%,而且随着连作年限的增加,黄瓜根结线虫病呈加重趋势。结合张家口保护地黄瓜根结线虫病的发生特点,提出相应的控制措施,以期为当地的黄瓜生产提供指导。