膜下滴灌棉花土壤温度的动态变化规律

试验研究田间膜下滴灌棉花根际土壤的温度变化表明,覆膜能使土壤明显增温,温度梯度变化使地膜覆盖具有提墒作用。在一日内和棉花整个生育期的温度,膜中明显比膜边和垄沟都偏高,土壤浅层温度增加较快且变幅很大。不同深度土壤温度出现最高温度时间随深度增加而延迟。地温变幅与深度可以拟合成指数函数关系,且膜中14∶00时两者相关性最好。     

库克群岛海域海洋环境因子对大眼金枪鱼渔获率的影响

为提高大西洋大眼金枪鱼渔场预报模型的准确率,实验利用13艘中国延绳钓渔船2013—2019年的渔捞日志数据和对应的海洋环境数据 (海表面风速、叶绿素a浓度、涡动能、混合层深度和0~500 m水层的垂直温度、盐度和溶解氧等),以天为时间分辨率、2°×2°为空间分辨率、以数据集的75%为训练数据建立了K最近邻(KNN)、逻辑斯蒂回归(LR)、分类与回归树 (CART)、支持向量机 (SVM)、人工神经网络 (ANN)、随机森林 (RF)、梯度提升决策树 (GBDT)和Stacking集成 (STK)渔情预报模型,以25%的测试数据进行模型性能测试、比较。结果显示, (1) STK (由KNN、RF、GBDT模型集成)模型的大眼金枪鱼渔场预报性能较KNN、LR、CART、SVM、ANN、RF和GBDT模型有所提高且相对稳定,上述模型对应的准确率和ROC曲线下面积 (AUC)依次分别为81.62%、0.781,79.44%、0.778,72.81%、0.685,74.84%、0.717,73.67%、0.702,67.70%、0.500,80.96%、0.780和78.13%、0.747; (2) STK模型预测的中心渔场与实际中心渔场基本吻合,主要在5°N~10°N,33°W~43°W海域附近;(3) 影响大西洋大眼金枪鱼渔场分布的海洋环境因子主要有300 m水层的溶解氧、500 m水层的盐度、海面风速和混合层深度,相对重要性分别为13.24%、9.12%、9.12%和8.81%。研究表明,STK模型对大西洋大眼金枪鱼渔场的预报准确率较高。     

Development of new real-time PCR methods for detection of Decapod iridescent virus 1 in shrimp

Novel Decapod Iridescent virus (DIV1) infections emerged in mainland China around 2014 and have devastated shrimp aquaculture operations in Chinese coastal provinces. In 2020, DIV1 has spread to Taiwan with devastating results to shrimp and crayfish farms, in addition to being found in wild caught Penaeus monodon from the Indian Ocean. This trend is a major cause for concern and an urgent reminder to expand the tools needed to monitor the spread of DIV1 globally. Here, we describe a set of four different real-time polymerase chain reaction (PCR) assays positioned across the genome of DIV1 to detect the virus in shrimp tissues. All four assays show a wide dynamic range and high analytical sensitivity and specificity. In addition, the newly developed assays show excellent diagnostic sensitivity and specificity in clinical Litopenaeus vannamei samples of North Asian origin. The new molecular toolset will enhance global capabilities to monitor the spread of DIV1 and ultimately be used as an early warning system for farmers and authorities to engage in appropriate risk mitigation strategies.     

利用投影寻踪回归技术进行草地产量预报的研究

本文利用1991～1992年在新疆阜康县不同类型草地上观测的牧草产量、环境因子和卫星遥感资料运用投影寻踪回归(PPR)技术,探讨了草地产量预报的原理与方法,建立了产量预报综合模型,其预报精度达到83.5%以上,并克服传统预报方法的一些不足,科学地提示其内在关系,进而对影响产量预报精度和产量形成的因素进行分析与实验验证。因而研究结果表明利用PPR技术基本实现了科学预报草地产量的目的。     

气象因子对棉花产量和品级影响的灰色关联分析

采用灰色关联分析法，研究了气候因子对棉花产量和纤维品级的影响。结果在明，气象因素的变化曲线与皮棉单产和纤维品级的变化曲线相似。气象因子与皮棉产量之间的灰色关联度平均为０．６４２２．与纤维品级之间的灰色关联度为０．５５５８．对湖南棉花皮棉单产和纤维品红影响最大的气候因子是降雨日和日照时数，影响最小的是日平均温度。     

基于温湿度的ET_0估算模型应用研究

针对大面积灌区作物蒸发蒸腾量(ET0)分布式监测所需参数较多的问题,开展利用易获取的少量气象参数估算ET0的研究对我国灌区的作物需水量监测和灌区水资源的管理有重要意义。利用人工神经网络技术建立基于温、湿度的ET0月份估算模型,对作物蒸发蒸腾量进行了估算;在此基础上,针对ET0的季节性特征,将估算模型由月份尺度拓展到季节尺度;最后运用陕西省6个基本站点的气象数据对该优化模型进行普适性分析。结果表明,优化后的季节估算模型,在春夏二季的平均相对误差在10%以内,在秋冬二季的平均绝对误差在0.20mm以下,且每对基准站点和邻近站点得到的估算结果具有很好的一致性和稳定性,表明该模型在作物需水估算方向上较强的实用推广价值。     

通辽玉米滴灌灌溉制度

为更加合理制定玉米滴灌灌溉制度,以我国“节水增粮行动”为背景, 于2016年在内蒙古通辽开展玉米滴灌灌溉制度试验研究.根据试验区34 a的降雨资料进行降雨频率分析,选取不同水文年型的代表年,结合玉米滴灌试验得到实际耗水规律,对比6种灌溉处理在各生育阶段的变化情况,测定了株高、叶面积指数、玉米产量等指标.结果表明:中水处理作物性状及产量较高,且水分利用效率最高,为最佳灌水处理;以中水处理作为滴灌灌溉制度的参考依据,通过气象数据计算参考蒸发蒸腾量ET₀.利用实际耗水量获取各生育阶段作物系数,结合代表年型的ET₀计算需水量.根据降雨量,得到不同水文年型滴灌灌溉制度:枯水年覆膜滴灌灌溉定额1 575 m³/hm²,无膜滴灌灌溉定额1 785 m³/hm²;平水年覆膜滴灌灌溉定额1 125 m³/hm²,无膜滴灌灌溉定额1 425 m³/hm²;丰水年覆膜滴灌灌溉定额600 m³/hm²,无膜滴灌灌溉定额900 m³/hm².     

棉籽油制备生物柴油的生物降解性能

以棉籽油甲酯、乙酯生物柴油及其与石化柴油形成的调和油为研究对象,采用改进的Sturm试验方法,考察了生物柴油及其调和油的生物降解特点。研究表明：在有氧的水环境中生物降解28 d,棉籽乙酯生物柴油与甲酯生物柴油生物降解率分别达99.7%和99.1%;对甲酯生物柴油而言,生物柴油体积分数为50%和20%的调和油的28 d生物降解率分别为93.8%和80.8%,而乙酯生物柴油体积分数为50%和20%的调和油的28 d生物降解率分别95.7%和81.9%,但在相同条件下,0#柴油生物降解率仅49.9%;生物柴油在调和油中体积比越大,调和油的生物降解速度越快,生物柴油对石化柴油的生物降解具有促进作用。该文对认识棉籽油生物柴油在环境中的消解规律,控制环境污染具有一定的意义。     

高产优质转基因杂交抗虫棉合丰202的选育

合丰202是以农大326×GK12杂交后代的高代转基因抗虫稳定系145系为母本,以高产优质的206系（冀棉20号纯系）为父本,经过杂交选育而成的高产、优质、转基因杂交抗虫棉品种。该品种抗棉铃虫、抗枯萎病、高产、优质、杂种优势强、适应性广,适宜在黄河流域的河北中南部,山东北部、西北、西南部,河南北部、东部、东南部,安徽淮河以北,江苏淮河以北,山西南部和天津棉区种植。     

土壤中棉秆纤维素降解菌的筛选

本研究应用纤维素刚果红培养基从棉田土壤中筛选纤维素降解菌株,通过CMC酶活、FPA和实际降解效率的测定,筛选出5株能分解纤维素的菌株,分别编号为T4、T3、T2、M4、M3。结果表明,通过对培养和培养温度的优化,发现在培养时间为72 h、培养温度为30℃时纤维素分解酶的活性最佳。在第5 d、10 d、15 d、20 d测定菌株对棉花秸秆中纤维素和木质素均有一定的降解能力,在培养20 d时,对纤维素和木质素的降解速率分别为T4 18.62%、14.2%;T3 18.27%、12.97%;T2 17.53%、13.54%;M4 19.69%、13.56%;M3 19.21%、14.25%。