排序方式: 共有8条查询结果,搜索用时 15 毫秒
1
1.
2.
采用GC-MS检测方法分别研究了20年生、30年生红心杉和普通杉木中边材及心材乙醇抽提物化学成分组成. 研究表明,醇提物中主要化学成分为:柏木脑和香紫苏醇. 醇提物中柏木脑百分含量范围:29.11%~52.54%,香紫苏醇百分含量范围:3.57%~24.77%. 红心杉和普通杉木心材中柏木脑含量均高于边材中柏木脑含量. 红心杉边材和心材中柏木脑含量均随着树龄的增加而增加,且柏木脑在木材中的横向分布,随树龄的增加呈同步增长趋势.红心杉和普通杉木,心材中香紫苏醇含量均高于边材中香紫苏醇含量.红心杉边材和心材中香紫苏醇含量均随树龄的增加而增加,且心材中香紫苏醇含量约为边材中含量5倍. 相似文献
3.
开展闽楠苗期施肥及营养诊断研究对闽楠高效培育具有重要意义。采用三元二次通用旋转组合设计开展闽楠苗期施肥试验,通过建立方程得出最佳施肥量和最优解,依据诊断施肥综合法(DRIS)求得闽楠各营养元素的最适比值范围、需肥顺序及养分不平衡指数(NII)。结果表明:当施氮4.76 g pot-1、磷2.12 g pot-1、钾0.83 g pot-1时存在最优闽楠生物量;DRIS图解法得出闽楠氮、磷、钾的最适比值范围分别为:磷/氮=0.089±0.009,磷/钾=0.411±0.045,钾/氮=0.219±0.019,低产组需肥顺序为氮磷=钾,高产组需肥顺序为氮=磷=钾;DRIS指数法得出低产组闽楠的NII值明显高于高产组,高、低产组需肥顺序均为氮磷钾。整体而言,闽楠对氮肥的需求最大,其次为磷肥和钾肥,诊断结果能够为闽楠平衡施肥提供参考依据。 相似文献
4.
采用水蒸气蒸馏法提取5年生龙脑樟叶、干、根3个部位精油,利用GC-MS检测方法,结合保留指数(RI)分析法,对精油化学成分组成进行鉴定。结果表明:龙脑叶精油含固体粗龙脑和液体龙脑油2种物质,粗龙脑共鉴定出8种化合物,占挥发油总含量的99.97%,其中含量>1.00%的化合物共2种;龙脑油共鉴定出28种化合物,占挥发油总含量的99.73%,其中含量>1.00%的化合物共16种。干精油共鉴定出27种化合物,占挥发油总含量的98.97%,其中含量>1.00%的化合物共14种。根精油共鉴定出26种化合物,占挥发油总含量的99.89%,其中含量>1.00%的化合物共14种。3个部位精油中所共有的化合物有20种,叶精油、干精油主要成分是龙脑,根精油中主要成分是黄樟油素,但龙脑含量极低。 相似文献
6.
为探究播种和扦插两种繁殖方式对芳樟叶精油的影响,以选育的3个芳樟优株及其2 a实生和扦插子代为研究对象,采用“闻香法”、水蒸汽蒸馏结合GC与GC-MS法检测其化学型及精油化学成分,比较不同繁殖方式下芳樟幼苗精油含量和精油成分的差异。结果表明,种子繁殖的家系化学型分化种类较多,其中芳樟醇型子代所占比例在46%~52%之间,扦插繁殖的无性系均为芳樟醇型。实生子代叶精油得油率和主成分相对含量差异较大,芳樟醇型子代叶精油得油率和芳樟醇相对含量平均变异系数分别为40.13%和10.12%,明显高于扦插子代的8.98%和1.26%。同一单株不同组织精油含量差异明显,表现出叶>根>茎的规律。扦插子代保持了母株的化学型特性和优良品质,生产中可根据实生子代化学型分化较大的特性,选育新优化学型单株。 相似文献
7.
本研究对我国樟树主要人工林分布区土壤进行调查,共采集8个省(区)的24个地区104个样地土壤样品,测定土壤有机质及氮、磷、钾等养分含量,分析土壤养分变异规律及相关性,并采用主成分(PCA)分析法对樟树人工林土壤养分进行系统性综合评价。结果表明,樟树人工林土壤多为强酸性土壤,各地区土壤中有效磷与速效钾的差异最为显著,有效磷含量区间为0.21~256.60 mg·kg-1,速效钾含量为14.98~717.16 mg·kg-1,变异系数分别达2.17与1.03。根据土壤养分分布频率研究结果,49.04%的樟树人工林土壤养分全钾含量丰富,而35.58%~42.31%的樟树人工林土壤中的有效磷、全磷、碱解氮处于甚缺状态。综合土壤养分主成分分析与分级结果,樟树人工林土壤养分等级多处于中养分与低养分两级,其中湖北沙洋、福建福清、江西信丰、江西寻乌等地区土壤肥沃,均为高养分地区(F总>1),而广东河源、江西德兴、江西安福等地区樟树人工林土壤较为贫瘠(F总<-1)。 相似文献
8.
为了探究便携式近红外光谱仪识别樟科植物的能力,利用该仪器采集10种樟科植物叶片的近红外光谱信息,建立便携式近红外光谱识别模型。以樟科樟属的普陀樟、银木,润楠属的滇润楠、刨花楠、红楠,楠属的闽楠、桢楠、白楠、紫楠、浙江楠10种植物为研究对象,运用便携式近红外光谱仪采集其叶片光谱,经主成分分析、光谱预处理、光谱匹配等步骤,初步建立5种楠属植物便携式近红外光谱识别模型。依次将3种润楠属和2种樟属植物叶片光谱信息加入模型,对模型进行升级和扩充,最终建立3个模型,分别记为:模型1(闽楠-白楠-紫楠-浙江楠-桢楠)、模型2(闽楠-白楠-紫楠-浙江楠-桢楠-刨花楠-滇润楠-红楠)和模型3(闽楠-白楠-紫楠-浙江楠-桢楠-刨花楠-滇润楠-红楠-普陀樟-银木),以此探究便携式近红外光谱分析技术识别10种樟科植物的能力。利用不同参数设置下的Savitzky-Golay平滑求导法和Normalize Range归一化范围预处理后所建模型均具备较好的性能,识别率分别达到99.65%、99.34%和99.71%。利用未知样品检验模型的识别效果,模型1、模型2和模型3对未知样品的识别率分别为98%、97.5%和99%。结果说明便携式近红外光谱技术能够成功识别10种樟科植物,为樟科植物识别技术提供了一种新方法。 相似文献
1