低酚陆地棉育种亲本配合力的研究

选择８个现代低酚陆地棉育种亲本（包括４个高酚棉和４个低酚棉品种），按４×４不完全双列杂交设计，对１６个组合的Ｆ×进行了双列分析。结果表明，在所研究的１０个性状中，子棉产量、皮棉产量和纤维整齐度主要受非加性基因控制，单铃重、衣分、比强度、２．５％跨长和麦克隆值则主要由加性基因控制，衣指由加性和非加性基因共同控制，而子指受环境的影响较大；在大多数性状上，高酚棉亲本的加性遗传方差比低酚棉亲本贡献大，而在２．５％跨长和麦克隆值２个性状上，低酚棉亲本的加性遗传方差起着更重要的作用；中７８８６是综合性状比较理想的亲本材料，冀合２２５是较好的高产亲本，冀无２５２和中无１５１是较好的优质低酚棉亲本。综合一般配合力和特殊配合力分析结果，组合中７８８６×冀无２５２可具较好的育种潜力。     

创新教学方法培养创新人才

培养具有创新能力的优秀人才是对高等教育的本质要求：学生创新能力的培养具有多种方式，其中，创新教学方法是培养创新人才的一种有效途径。我们在农业工程类专业课程教学中，积极进行教学方法的创新，鼓励学生进行自主性教学活动，提高了学生的创新能力，收到了很好效果。     

《工程图学》与素质教育

《工程图学》以“图”为核心,图必构物,源于工程。其学习过程由直觉到抽象、由感性到理性、由理性到实践,是“素质教育”增长点、“多种思维”交错点、“创新思维”生长点、“创造智能”发展点、“完善人格”着力点及“创新能力”持续点,对培养发展学生的完善人格和创新能力,具有其他学科不可替代的作用。     

注重农产品加工业发展提升我国农业竞争力

农业是国民经济的基础产业,提升农业竞争力是实现农业现代化的重要举措。本文系统地分析了农业竞争力的内涵、意义及其存在的问题,提出注重发展农产品加工业,从而提升农业竞争力。     

生产实践性教学在农业机械学中的必要性

农业机械学的实践性教学从实际动手出发,培养学生在复杂多变的实际工作中解决工程实际问题的能力和意识。为此,总结生产实习的收获,分析实践性教学环节在农业机械学专业课学习中的地位和作用,得出实践性教学是培养现代化工程师的有效途径。     

大型泵站拦污清污方案选择

介绍了泵站常用的拦污、清污方式。结合谏壁抽水站的具体情况，给出了斜式拦污栅的结构设计、布置方式；对抓斗式、回转式两种形式清污装置的方案进行了比较，结论是：抓斗式清污机造价低、施工容易、维修方便、可靠性好、具有较高综合利用价值，更适合污物较多的泵站。     

2BCM-6型茬地免耕半精量播种机的研制

根据新疆气候特征，种植业特点，土壤特性，设计研制了2BCM一6型茬地免耕半精量播种机。主要介绍了工作部件的设计、工作原理、技术指标等。2BCM—6型茬地免耕半精量播种机通过性能实验，达到了设计要求。     

浅谈农机行业学生能力的培养

本文在机械原理及设计课程的理论教学中，注重与实践紧密相关的课程设计大作业，布置相关零件的设计技术，使课后设计题目顺利完成。这样既系统巩固了工科多门课的业务理论．又直接提高了学生机械综合设计能力。     

云南光壳稻亲和性品种的筛选与鉴定

以ＩＲ３６等１１个灿稻品种和秋光等８个粳稻品种为测验种，对毫梅、毫秕等１２个云南光壳稻亲和品种的亲和谱和亲和力进行了鉴定。结果表明，在供试的１２个云南光壳稻亲和品种中，品种毫秕对１０个灿稻和７个粳稻测验种表现亲和，亲和组合百分率最高（８４．２％），亲合组合百分率在６０％以上的还有毫梅（７５．０％）和镰刀谷（６８．４％）；亲和力最好的是大白糯，其与灿、粳测验种表现亲合的各组合的Ｆ１平均小穗结实率为７     

Genomic Prediction of Arsenic Tolerance and Grain Yield in Rice: Contribution of Trait-Specific Markers and Multi-Environment Models

Many rice-growing areas are affected by high concentrations of arsenic(As). Rice varieties that prevent As uptake and/or accumulation can mitigate As threats to human health. Genomic selection is known to facilitate rapid selection of superior genotypes for complex traits. We explored the predictive ability(PA) of genomic prediction with single-environment models, accounting or not for trait-specific markers, multi-environment models, and multi-trait and multi-environment models, using the genotypic(1600 K SNPs) and phenotypic(grain As content, grain yield and days to flowering) data of the Bengal and Assam Aus Panel. Under the base-line single-environment model, PA of up to 0.707 and 0.654 was obtained for grain yield and grain As content, respectively; the three prediction methods(Bayesian Lasso, genomic best linear unbiased prediction and reproducing kernel Hilbert spaces) were considered to perform similarly, and marker selection based on linkage disequilibrium allowed to reduce the number of SNP to 17 K, without negative effect on PA of genomic predictions. Single-environment models giving distinct weight to trait-specific markers in the genomic relationship matrix outperformed the base-line models up to 32%. Multi-environment models, accounting for genotype × environment interactions, and multi-trait and multi-environment models outperformed the base-line models by up to 47% and 61%, respectively. Among the multi-trait and multi-environment models, the Bayesian multi-output regressor stacking function obtained the highest predictive ability(0.831 for grain As) with much higher efficiency for computing time. These findings pave the way for breeding for As-tolerance in the progenies of biparental crosses involving members of the Bengal and Assam Aus Panel. Genomic prediction can also be applied to breeding for other complex traits under multiple environments.