排序方式: 共有37条查询结果,搜索用时 0 毫秒
1.
2.
一株胶质芽孢杆菌的筛选和鉴定 总被引:8,自引:0,他引:8
从河南铝土矿中分离到菌株LV1-2,将其接种到含伊利石矿粉的浸矿液中,170r/min摇床30℃培养7d,离心后测得接种LV1-2的溶液中的硅浓度比对照液中的增加110.02%,说明LV1-2对伊利石有脱硅作用.通过扫描电子显微镜、革兰氏染色、荚膜染色、鞭毛染色和芽孢染色的观察,生理生化特性的测定,以及16S rDNA序列的比对分析,菌株Lv1-2鉴定为胶质芽孢杆菌. 相似文献
3.
两品种茶园茶蚜和假眼小绿叶蝉天敌优势种的比较 总被引:1,自引:0,他引:1
为了科学施药,合理保护和利用天敌进行茶园害虫的综合防治,开展乌牛早和白毫早茶园主要害虫茶蚜和假眼小绿叶蝉的优势种天敌评定和比较。对两品种茶园间害虫及其天敌的数量进行t检验。结果表明,两品种茶园之间春夏季2种害虫和8种天敌差异均不显著,秋冬季草间小黑蛛(3.7160)和茶色新圆蛛(4.3144)差异极显著;乌牛早茶园春夏季与秋冬季之间八点球腹蛛(2.6298)差异显著,白毫早茶园茶色新圆蛛(4.0056)差异极显著,草间小黑蛛(2.8160)和粽管巢蛛(2.1408)差异显著,其余差异均不显著。采用灰色关联度分析方法和生态位分析方法对两品种茶园2种害虫与其天敌在数量、时间和空间等方面关系进行分析,综合评判出天敌优势种,并进行比较。结果表明,春夏季两品种茶园茶蚜前3位优势种天敌均是锥腹肖蛸、三突花蟹蛛和粽管巢蛛,但位次不同;假眼小绿叶蝉前1、2位天敌均是粽管巢蛛和锥腹肖蛸,但第3位天敌不同。秋冬季两品种茶园茶蚜前3位的天敌中均有鳞纹肖蛸和八点球腹蛛,假眼小绿叶蝉前3位天敌中均有草间小黑蛛和粽管巢蛛。春夏季和秋冬季比较,茶蚜前3位天敌乌牛早茶园中只有三突花蟹蛛相同,白毫早茶园只有锥腹肖蛸相同;假眼小绿叶蝉前3位天敌中,乌牛早茶园只有粽管巢蛛相同,而白毫早茶园有锥腹肖蛸和粽管巢蛛2种天敌相同。春夏季茶树品种对茶蚜天敌优势种影响大。茶树品种不同,茶园的生物物理和生物化学条件也不完全相同,从而影响茶树害虫及其天敌的种群动态差异,造成害虫优势种天敌的差异。 相似文献
4.
5.
就农地流转的必然性、政府在农地流转中的角色定位以及在农地流转中应遵循的行为模式进行探究,以期为我国农地的有效流转提供一些有益的对策和建议。 相似文献
6.
7.
基于改进OpenPose算法的猪只行为识别方法 总被引:1,自引:0,他引:1
【目的】提高猪只行为识别效率,提供猪只健康状态的快速判别依据,推进中国生猪养殖智能化和规模化。【方法】借鉴OpenPose人体姿态估计算法并对其改进,构建猪只姿态估计模型,在视频流图像中提取猪只骨骼关节点,通过计算关节点间距与骨骼关节角度描述猪只行为特征,利用K-最近邻算法(K-nearest neighbor, Knn)对猪只行为进行分类。【结果】采用基于改进OpenPose算法对猪只行为的识别准确率达到94%以上,优于采用YOLO v4算法的识别结果;与采用DeepCut、Associative Embedding和DeeperCut姿态估计算法相比,采用改进OpenPose算法构建的猪只姿态估计模型对猪只各类行为识别准确率提高了4%以上。【结论】本识别方法能够满足生猪规模化养殖中猪只行为自动化监控的需求,有效降低工人劳动强度,为猪只健康异常状态的判别提供辅助决策信息,在养殖业智能化和信息化领域具有巨大应用潜力。 相似文献
8.
蜘蛛和瓢虫类天敌是害虫生物防治的主要生物资源,为了合理保护和利用自然天敌进行害虫的综合防治,对"安吉白茶"茶园主要害虫与天敌进行系统调查,用灰色关联度分析法和生态位分析法综合分析花蓟马和茶短须螨与其天敌在数量、时间和空间关系上的密切程度.结果表明,与花蓟马在数量、时间和空间关系密切的前5位天敌依次是粽管巢蛛、草间小黑蛛、龟纹瓢虫、异色瓢虫和锥腹肖蛸;与茶短须螨在数量、时间和空间关系密切的前5位天敌依次是草间小黑蛛、黑色蝇虎、粽管巢蛛、斜纹猫蛛和鳞纹肖蛸.花蓟马5个时段的空间格局均是聚集格局,5种主要天敌与花蓟马之间的|w|值均小于13.462 9,两者之间的聚集程度差异无统计学意义.花蓟马的种群聚集指数λ2,表明其聚集是自身原因引起的,天敌龟纹瓢虫的聚集也是自身原因引起的,其余4种天敌的聚集是由环境中某一因素引起的.茶短须螨5月25日的空间格局是随机格局,其余是聚集格局.茶短须螨与其5种主要天敌的|w|值均小于13.462 9,聚集程度差异无统计学意义.茶短须螨6月9日的种群聚集指数λ为2.039 7,此时的聚集是由自身原因引起的,其余时间以及5种天敌的聚集都是由环境中某一因素引起的. 相似文献
9.
10.
从三维微阵列数据集挖掘出的三维聚类,能够分辨出与某些表现型(如疾病)相关的样本,而且能找出与这些表现型相关的候选基因.当挖掘3D微阵列数据矩阵中的3D聚类时往往要考虑同时优化几个目标,而且这些目标经常相互冲突,因此,应用多目标进化算法来求解GST数据集中的3D聚类是可行的.本文基于∈-支配和σ选择操作策略,提出一个新奇的多目标进化三维聚类算法来挖掘三维微阵列数据集中的3D聚类.通过在酵母细胞周期调控基因数据集上应用此算法,实验结果表明我们的方法能发现具有重大意义的高质量的3D聚类. 相似文献