排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
香榧不同微型嫁接方法初探 总被引:1,自引:0,他引:1
为探明香榧Torreya grandis ‘Merrillii’微型嫁接最适宜的方法,提高香榧繁殖系数,以榧树实生幼苗和未形成顶芽的香榧嫩梢为研究对象,采用劈接、钻孔接和腹接3种方法,设计接穗留叶2片、4片、6片,接穗保留/摘除顶端等试验,研究不同微型嫁接香榧苗的萌发动态、成活率和生长状况。结果表明:劈接法嫁接的香榧苗,在萌芽动态、嫁接工效与生长状况方面都具有较明显的优势,嫁接15 d后接穗露白,成活率高(89.7%),接穗新梢生长量大;但在粗度增加量、新枝数和新茬数等指标上无显著差异(P>0.05)。接穗留叶数量对嫁接苗的成活率也有影响,以4~6片为宜;短期内接穗保留顶端的嫁接苗更易成活。综合来看,接穗摘除顶端,留叶4~6片,用劈接法嫁接最适宜香榧微型嫁接。 相似文献
2.
香榧绿藻Chlorella sp.是一种附着在香榧Torreya grandis ‘Merrillii’枝、叶上的藻类。为探明香榧绿藻的种属类别及亲缘关系,探究香榧绿藻的生物学特性,以3个不同地区的香榧树上采集的香榧绿藻为试验对象,通过室内培养,观察香榧绿藻的形态特征及生活习性,提取香榧绿藻DNA并进行18S rDNA序列和内转录间隔区(ITS)基因序列特异性扩增,最终序列进行BLAST比对,绘制系统进化树。结果表明:香榧绿藻由A组和B组2种不同形态的绿藻组成,不同地区香榧绿藻形态存在差异,但主要以A组形态绿藻为主。根据形态学鉴定结果表明:A组香榧绿藻与引起番茄绿藻病的椭圆小球藻Chlorella ellipsoidea形态相近,B组香榧绿藻与引起黄瓜绿藻病的丝藻Ulothrix sp.形态相近;但香榧绿藻对pH值的反应规律与斜生栅藻Scenedesmus obliquus相近。通过序列比对发现,2种形态的香榧绿藻的18S rDNA和ITS区基因序列也与栅藻科Scenedesmace的Asterarcys quadricellulare的同源性高,相似率达100%。结合传统形态学方法和分子生物学技术,将A组香榧绿藻初步鉴定为栅藻科的Asterarcys quadricellulare,B组香榧绿藻为其变种,且2组香榧绿藻与同属于栅藻科的Scenedesmus sp. SM15_4(KT778094.1)的ITS区基因序列相同。香榧绿藻具有较好的耐碱性,生长周期长且不容易腐烂。这些生物学特性赐予香榧绿藻在香榧树上长期寄生的能力。 相似文献
3.
4.
叶雯 《北京农业职业学院学报》2022,(5):81-88
在互联网技术高速发展的时代背景下,“数据驱动教育,智慧变革教育”的大数据时代已经来临,智能分析技术和教育新基建已成为智慧教育长远发展的基本保障。政府在构建教育新基建进行教育智慧治理的变革过程中,面临着教育治理思维更新迟缓、教育治理体制建设迟缓、新基建技术负外部性、基建不完善等困境。以协同治理为理论基础,提出构建以互联网智能技术为基础的政府导向型教育治理“四维”合作平台,为教育智慧治理提供实现路径,具有鲜明的问题导向和实践指向。 相似文献
5.
叶雯 《北京农业职业学院学报》2023,(5):64-73
职业教育治理是国家治理体系的重要组成部分,将智慧技术赋能到职业教育治理全流程中,有利于实现国家治理体系与治理能力的现代化。从治理目标、治理框架、治理协同、治理工具4 个方面入手,搭建智慧赋能驱动的职业教育治理体系,致力于解决教育治理过程中存在的思维落后、劳逸不均、协同失效、技术失范、基建不足等现实问题,符合国家实施科教兴国战略部署,将会实现智慧教育治理更高阶效能治理,更有效地服务于职业院校智慧治理。 相似文献
6.
中国式现代化视域下,智慧赋能教育治理是提升教育治理现代化水平的关键因素。依据中国式现代化核心理念,以人工智能作为教育治理工具,在为教育治理现代化带来机遇的同时,存在主体功能缺位、协同失效、数据孤岛、基建不足等现实问题。为破解以上难题,应以中国式现代化理念引领教育治理现代化,以此构建政府导向型教育治理的“四维”合作平台,为教育智慧治理提供实现路径。 相似文献
7.
全基因组重测序(whole genome resequencing, WGRS)是对已知参考基因组序列的物种进行不同个体间的全基因组水平的测序,具有检测变异类型丰富、高性价比、应用广泛等优点。随着测序成本的降低和畜禽基因组测序工作的完成,全基因组重测序技术已成为畜禽遗传变异研究的重要工具。全基因组重测序技术可获得大量基因变异信息,包括单核苷酸多态性(single nucleotide polymorphism, SNP)、插入缺失(insertion/deletion, InDel)、结构变异(structural variation, SV)和拷贝数变异(copy number variation, CNV)等,丰富了现有的基因组序列,形成的大量数据集为探索畜禽表型性状和遗传改良提供了一个基因组信息库,以促进对畜禽遗传资源的深入研究与利用。作者概述了全基因组重测序技术及其关键影响因素(测序深度、序列比对和变异检测),重点综述了该技术在重要畜禽(牛、羊、猪、鸡)研究领域的应用进展,并对将来侧重于整合分析重测序数据、精准表型记录和多组学信息的研究趋势进行了展望。 相似文献
8.
9.
1