排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
微生态制剂通过改善反刍动物瘤胃及肠道微生态平衡,促进营养物质吸收,增强机体免疫和抗热应激能力。利用微生态制剂减少抗生素的使用量,符合人们对绿色、安全食品的需求,从而越来越受到人们的关注。本文综述了微生态制剂的作用机理,以及在反刍动物中的应用,并对其未来的前景和研究方向进行了分析。 相似文献
2.
长链非编码RNA(lncRNA)曾经被人们认为是转录过程中的“垃圾”,翻译过程中的“噪声”。但越来越多的研究发现其在转录的整个过程中具有调控作用,可以参与细胞内的多种生物学调控。之前,lncRNA在人类的疾病、细胞分化等方面得到了高度注视和研究,而在家畜上的研究相对滞后,文章主要综述了lncRNA的生物学功能及在猪上的研究进展,为lncRNA在家畜上研究和应用提供参考。 相似文献
3.
为研究环境因素对土壤水分空间分异的影响,利用2013—2017年SMOS Level-3土壤水分数据,选取降水、DEM、坡度、植被、地表温度为影响土壤水分的环境因子,对河北省土壤水分进行了空间自相关分析,建立了河北省土壤含水量与影响因子之间的地理加权模型,将GWR模型与一般线性回归模型对比,分析了影响因子在空间上对土壤水分作用的异质特征。结果表明:河北省土壤含水量具有空间异质性,集聚特征明显。GWR模型的拟合效果在拟合优度和空间分布上都远远优于OLS模型。GWR模型的拟合优度R2比OLS模型提高了43%,GWR模型对土壤水分影响因子的解释能力比OLS模型提高了34.6%,GWR模型的残差平方和、AIC值均远远小于OLS模型。研究区影响因子对土壤水分的作用参数具有空间分异特征,影响因子的作用程度也不同,DEM影响最大,其次是坡度、地表温度、降水、NDVI。各因子在空间上对土壤水分既有负向又有局部正向的作用,但在大部分范围里都呈负向影响。研究成果对研究区的精准农业发展、水土保持利用和生态建设具有重要意义。 相似文献
4.
为建立不依赖时序数据的水稻生育期识别模型,基于四波段辐射计(SKYE)获取的水稻全生育期每日的冠层光谱反射率数据,利用K近邻(k-nearest neighbors, KNN)、决策树(Decision trees)、支持向量机(Support vector machines, SVM)、随机森林(Random forests, RF)和梯度提升决策树(Gradient boosted decision trees, GBDT)共5种机器学习算法开展水稻生育期识别研究。结果表明:RF算法的识别准确率最高,达93.00%,KNN算法的识别准确率也达到了91.92%,其他3种算法的准确率也都超过90%。在此基础上,将建立的水稻生育期识别模型应用至无人机(UAV)影像数据,KNN算法适用性最好,识别准确率为83.54%,RF算法的适用性一般,识别准确率为74.38%,SVM算法的适用性最差,识别准确率仅为62.92%,但5种机器学习算法都容易错误地将抽穗扬花期识别为拔节孕穗期;而新构建的KNN算法结合可见光大气修正指数(Visible atmospherically resistant index,VARI)的水稻生育期识别模型对无人机数据的识别准确率可达86.04%,与单独应用KNN算法相比,对水稻各个生育期的识别精度更加均衡。 相似文献
5.
利用基因分型测序(GBS)对60只湘东黑山羊(9只公羊、51只母羊)进行基因组测序,获得湘东黑山羊染色体上的SNP数据和连续纯合子片段(ROH)数据。通过SNP数据进行基于G矩阵的基因组亲缘关系分析和NJ聚类分析,构建湘东黑山羊的群体家系结构,并通过ROH数据得到群体平均近交系数。结果表明,60只湘东黑山羊的平均测序深度为9.15X,与参考基因组比对率平均为99.59%;在SNP检测过程中,3只母羊不符合基因型数据质控标准,将其过滤后获得其他57只黑山羊29条染色体上153 046个SNPs位点和1 937个ROH片段;构建的湘东黑山羊8个家系,其中 9只公羊和6只母羊被分为7个家系,另42只母羊被单独分类;基于ROH片段分析的湘东黑山羊群体中每个个体的近交系数均值为0.047,说明湘东黑山羊公羊在繁育过程中有较大的利用空间。 相似文献
1