Putative virulence-related genes in Vibrio anguillarum identified by random genome sequencing

The genome of Vibrio anguillarum strain H775-3 was partially determined by a random sequencing procedure. A total of 2,300 clones, 2,100 from a plasmid library and 200 from a cosmid library, were sequenced and subjected to homology search by the BLAST algorithm. The total length of the sequenced clones is 1.5 Mbp. The nucleotide sequences were classified into 17 broad functional categories. Forty putative virulence-related genes were identified, 36 of which are novel in V. anguillarum, including a repeat in toxin gene cluster, haemolysin genes, enterobactin gene, protease genes, lipopolysaccharide biosynthesis genes, capsule biosynthesis gene, flagellar genes and pilus genes.     

RAPD分析野生和养殖三角帆蚌的遗传多样性

用150个随机引物对野生三角帆蚌和养殖三角帆蚌进行随机扩增多态DNA(RAPD)分析，最终筛选出2．0个引物，分别能扩增出1-10条大小不等的片段，片段长度在500—2000bp之间。野生三角帆蚌和养殖三角粤蚌的种内相似系数分别为0．787和0．833，显示野生种群基因组发生的变异较养殖种群大。野生三角帆蚌和养殖三角帆蚌种群间遗传距离为0．054，表明三角帆蚌野生和养殖种群亲缘关系比较接近。     

利用随机网络模型和CT数字图像预测近饱和土壤水分特征曲线

通过对连续土壤切片CT图像的分析,定量获取了土壤孔隙的大小分布情况。在此基础上建立了基于土壤孔隙形态学特征的随机网络模型,在孔隙尺度模拟了土壤中的水分运动过程,并预测了近饱和土壤水分特征曲线。结果表明,通过选取合适的模型参数,基于土壤孔隙形态学特征建立的随机网络模型可以模拟出与土壤样本实测值非常接近的水分特征曲线,可以作为一种快速测量的方法。     

基于CWT-RF模型估算博斯腾湖湖滨绿洲土壤有机碳含量

为实现博斯腾湖湖滨绿洲土壤有机碳含量的快速估算,结合实测的土壤高光谱数据与土壤有机碳数据,通过连续小波变换(CWT)进行土壤光谱数据预处理,利用相关系数法(CC)、连续投影算法(SPA)、竞争自适应重加权采样(CARS)、遗传算法(GA)筛选的特征波段作为建模输入量,构建随机森林(RF)模型。结果表明：研究区土壤有机碳含量平均值随土层深度增加由12.36 g/kg降低至10.49 g/kg,变异系数平均值为69.62%,空间异质性较强;CWT变换可以有效提高不同土层深度土壤有机碳含量与光谱反射率间的相关性,不同土层深度相关系数均值平均提升约22.41%;光谱数据经过CWT变换构建的模型精度明显提升,RF模型验证集R²与RPD分别平均提高7.09%、10.06%。CC、CARS、SPA、GA方法能消除光谱信息冗余,有效降低CWT-RF模型的输入量与RMSE值,土层深度0～20、20～40、40～60和60～80 cm筛选的特征波段平均压缩至全波段数目分别为8.51%、5.38%、2.21%和3.67%;RMSE值分别平均降低111.67%、135.61%、12.25...     

奥利亚罗非鱼（♀）、鳜（♂）及其子代间遗传关系的研究

罗非鱼生长快、味道好,是人们喜爱的鱼类,现已是世界性养殖鱼类,但它不能忍受低温,因此影响其养殖业的进一步发展。鳜则是名贵性鱼类,但其终生摄食活的鱼虾,这也限制了其养殖的发展。奥利亚罗非鱼(Oreochromisaurea)属鲈形目、鲡鱼科,鳜(Sinipercachuatsi)属鲈形目、脂科,它们间的杂交为科间杂交。鱼类科间杂交成功率很低,种间杂交有时可获得具有双亲性状的杂种鱼,有时也可发生雌核发育[1]。本研究中奥利亚罗非鱼雌鱼性染色体为ZW,其卵子如能在鳜精子刺激下行雌核发育,则可在短时间获得奥利亚罗非鱼纯系。在本文中,利用RAPD标记,对…     

一类二元正态分布随机变量的线性函数相互独立的充要条件

根据随机变量相互独立的条件,推导了二元正态分布随机变量的线性函数1η=pξ1 q2ξ与2η=m1ξ n2ξ相互独立的充要条件是nqσ22 rσ12σ(np mq) mp21σ=0(其中m、n、p、q为非零实数,且np-mq≠0),并做了详细证明.在此基础上说明了随机变量1ξ 2ξ与1ξ-2ξ以及1ξcosα 2ξsinα与-1ξsinα 2ξcosα相互独立的充要条件是本文的特例.     

基于无人机遥感与随机森林的荒漠草原植被分类方法

荒漠草原是草原中最旱生的类型,属于草原的极限生态状态,也是气候变化和生态系统演变的预警区。利用无人机高光谱遥感技术快速、准确地提取荒漠草原草地植被类型,对动态监测草原生态安全和合理开发草地畜牧业具有重要意义。以无人机搭载高光谱成像系统采集内蒙古荒漠草原遥感图像,获得具有高空间分辨率和高光谱分辨率的图像;通过光谱连续统去除变换,增强草地植被之间的光谱差异,并构建植被指数;采用分步波段选择法选择荒漠草原植被的特征波段,实现高光谱数据降维;构建融合光谱特征、植被特征、地形特征和纹理特征等24个变量的随机森林分类模型,并与支持向量机（SVM）、K-最近邻（KNN）和最大似然分类（MLC）法进行比较。结果表明,在4种分类方法中随机森林分类算法分类效果最好,总体分类精度达到91.06%,比SVM、KNN和MLC等机器学习算法分别高7.9、15.61、18.33个百分点,Kappa系数达到0.90,比SVM、KNN和MLC算法分别高0.13、0.23和0.26。无人机高光谱低空遥感和随机森林算法的结合为荒漠草原草地植被分类提供了新途径。     

基于加权随机森林的番茄氮元素缺乏分级模型研究

基于叶面颜色特征建立番茄氮元素缺乏分级模型判别准确率可达08以上。夏季定植的番茄叶片表面会覆盖粘质腺毛,粘质腺毛利于番茄吸收水分和营养元素,相同营养液氮离子浓度下叶片黄化过程异于未覆盖粘质腺毛的叶片。故仅基于叶面颜色特征建立分级模型,其准确率降至0.65。覆盖粘质腺毛番茄其叶片周长和叶面积两个形状特征均小于未覆盖粘质腺毛的番茄叶片,本文将番茄叶片两个形状特征结合原有叶面颜色特征共同作为模型输入,建立新的番茄氮元素缺乏分级模型。搭建图像采集系统,该图像采集单元由树莓派和其相机模块构建,使用WiFi或4G网络完成智能手机、图像采集单元、本地计算机之间无线数据传输。智能手机通过Web界面可远程控制采集图像并将图像传输到云平台存储。本地计算机对图像进行预处理提取叶片形状、颜色特征后输入模型进行预测,并输出预测结果。试验结果表明,图像采集系统春季和夏季平均温度在19.7~28.3℃范围内,光照在1.125~9.543lx范围内均可正常使用,采集的图像经预处理分割后降低了环境光线的影响。使用优化后的加权随机森林模型,基于形状特征和颜色特征相结合的叶片氮元素缺乏分级判别准确率可达0.83。     

基于多源Sentinel数据的县域冬小麦种植面积提取

冬小麦是我国主要的粮食作物之一,及时准确地获取冬小麦种植面积对农业政策的制定具有重要意义。以河南省扶沟县为研究区域,以多生育期Sentinel-1A和Sentinel-2A/B遥感影像为数据源,构建光谱特征、植被特征和极化特征的多生育期数据集,分析各类地物的特征曲线,采用随机森林算法对单生育期单传感器、单生育期多传感器、多生育期单传感器和多生育期多传感器的遥感影像进行精细分类,实现县域冬小麦制图。结果显示：单生育期的雷达影像无法满足制图要求,拔节期的总体精度最高,仅为62.9%,多生育期雷达影像分类精度达到81.9%,基本满足制图要求;单生育期的光学影像和融合影像在成熟期的精度最高,总体精度分别为93.4%和95.1%,Kappa系数分别为92.4%和94.8%,可以绘制较为精准的冬小麦分布图;多生育期融合影像绘制的扶沟县2019年冬小麦空间分布图,总体精度为96.8%,结果最优。研究结果表明融合的多生育期遥感影像可以为县域冬小麦种植面积的提取提供技术依据。     

黄土高原水蚀风蚀交错带小流域土壤水分季节变化特征与主控因素

土壤水分是黄土高原水蚀风蚀交错带生态环境恢复的关键因子,具有明显的时空异质性。以水蚀风蚀交错带的代表性流域—老爷满渠小流域为对象,采用网格法(50 m×50 m)共布设了73个样点,原位观测0—5 m土壤含水率,共测定23次(2013年6月至2019年10月),通过获取每个样点的环境因子,结合经典统计、地统计、随机森林等方法,分析了小流域尺度不同土层深度(每层1 m,共5层)土壤含水率的季节变化特征与影响因素。结果表明:不同土层土壤含水率的空间分布特征和季节性变化规律不同;对于0—1 m土层,土壤含水率在夏季和冬季之间存在显著性差异(p0.05),而对于1 m以下土层,春季平均土壤含水率高于其他季节,但不显著;无论在何种季节,不同土地利用方式、壤土与砂土间的土壤含水率在3 m以上土层均存在显著差异(p0.05),而阴、阳坡的土壤含水率在所有土层均存在显著差异(p0.05);在不同季节,土壤含水率与容重和砂粒呈负相关,与其他环境因子(有机碳含量、黏粒、粉粒、有机碳密度、土地利用、坡向、土壤质地和pH)呈正相关;除有机碳密度和黏粒较为稳定外,土壤含水率与环境因子的相关性均随土层深度增加呈减少趋势;环境因子对土壤含水率空间变异的整体相对贡献表现为土壤性质地形土地利用。研究结果可为研究区深层土壤水资源管理、土壤水文观测与模拟、植被优化布局等提供参考。