太原市五种园林地被植物抗旱性评价及抗旱指标筛选

以5种地被植物为试材,采用盆栽控水模拟干旱胁迫(连续干旱0、5、10、15、20 d),分别测定5种地被植物的叶片相对含水量(RWC)、电导率(REC)、丙二醛(MDA)、可溶性蛋白质含量(SPC),并利用隶属函数分析、相关性分析、主成分分析、聚类分析、逐步回归分析对其抗旱性进行综合评价及抗旱指标筛选,以期为太原市园林地被植物的合理养护和筛选应用提供参考依据.结果表明:干旱条件下,不同生理指标所反映供试植物的抗旱性不同,且部分指标之间呈显著相关.主成分分析将12个单项指标归纳成3个综合因子,分别为伤害程度因子、叶绿素因子、水分状况和光化学效率因子,代表了抗旱性97.422％的数据信息,"金冠"玉簪和德国鸢尾分别在3个主因子上抗旱性最强.通过聚类分析,将5种地被植物分为3类,其中"金冠"玉簪、德国鸢尾和八宝景天归为抗旱型类群.逐步回归分析表明,RWC、离体叶片失水速率(RWL)、SPC和PSⅡ最大光化学效率(Fv/Fm)可作为评价参试地被植物抗旱性的重要指标.     

玉米转基因成分的检测探讨

本文以实时荧光PCR检测技术为例,对于玉米转基因成分进行分析.在具体处理中,会组建实验来完成阳性质粒、调控元件、目的基因、标记基因等内容的检测,从而积累有价值的数据信息,为后续同类型检测活动的顺利开展奠定基础.     

70%丙森锌WP等药剂防治柑橘黑点病试验

柑桔黑点病[Diaporthe citri],又称树脂病或沙皮病,是树脂病原侵害柑桔果皮油胞后表现的褐色或黑褐色硬胶质小粒点症状,蜜柑、椪柑、胡柚等均可发病。近年来柑桔黑点病在我市发生为害逐年加重,已严重影响柑桔果实外观品质和经济效益。为探索有效药剂的防治技术,2020年笔者开展了嘧菌酯?苯醚甲环唑等药剂防治柑橘红蜘蛛试验,现就试验结果初报如下。     

不同药剂对花生田蛴螬防治效果及产量的影响

为研究药剂拌种对田间蛴螬的预防效果,有效防控花生田蛴螬的危害,采用田间试验法测定6种药剂拌种对花生出苗率的影响以及对田间蛴螬的防治效果,从而筛选安全、可靠、高效的种子包衣剂.结果表明,6种药剂对作物均安全,对蛴螬均有防治效果,防治效果为46.30％～74.07％.其中,25％噻虫嗪咯菌腈精甲霜灵悬浮剂防治效果最好,增产幅度最高.     

花叶海棠叶片主要成分分析与评价

花叶海棠叶片中具有丰富的多酚类、黄酮类、多种氨基酸组分和一些其他营养物质。通过对不同生态区域以及不同采摘时期的花叶海棠叶片中主要活性物质的分析比较,结果表明:不同条件下花叶海棠营养成分分布情况具有一定的差异,而不同采摘时期植物体内进行的能量流动也会造成内含物的变化。     

绿豆的研究进展

为绿豆的深入研究提供参考,从形态特征、品种资源与栽培、选购与储藏、营养成分、药理作用、产品及食用注意事项等方面进行了概述。     

脱毒‘烟富3号’与未脱毒‘烟富3号’苹果香气成分差异分析

采用顶空固相微萃取、气相色谱-质谱联用技术检测分析了脱毒‘烟富3号’与未脱毒‘烟富3号’苹果果肉、果皮中的香气成分。结果表明:脱毒对‘烟富3号’苹果果肉、果皮中的香气成分影响明显,其中脱毒‘烟富3号’苹果果肉含有19种香气成分,总含量为271.88μg/kg,比未脱毒‘烟富3号’苹果果肉中检出的香气成分多5种,总含量高97.88μg/kg;从脱毒‘烟富3号’苹果果肉中检测到7种独有的香气成分,包括2-甲基丁酸乙酯、2-甲基丁酸丙酯、甲酸己酯、己酸己酯、丙酸丙酯、丁酸丙酯、(E)-2-己烯醛。脱毒‘烟富3号’苹果果皮中的香气成分为29种,总含量为1 408.77μg/kg,比未脱毒‘烟富3号’苹果果皮中检出的香气成分多1种,总含量高696.36μg/kg;从脱毒‘烟富3号’苹果果皮中检测到4种独有的香气成分,包括2-甲基丁酸丙酯、丙酸己酯、2,3-二甲基-1-戊烯、2-甲基丁酸。综合来看,脱毒‘烟富3号’苹果香气品质优于未脱毒‘烟富3号’苹果。     

基于主成分分析的B、Cu胁迫下油菜 生理响应机制研究

为研究油菜在B、Cu胁迫下的生理响应机制,找出最佳的B、Cu浓度配比,采用5种不同浓度的Cu溶液和3种不同浓度的B溶液交叉处理盆栽油菜幼苗,胁迫20 d后测定油菜的叶绿素含量、蛋白质含量、硝态氮含量、淀粉酶活性、丙二醛含量以及过氧化物酶活性。采用主成分分析法分析不同处理下各指标的变化规律。结果表明,T_(200)B_1组合时综合权重最高,即B 0.5 mg/L、Cu 200 mg/L配施时对各项综合指标最好,其次是Cu 100 mg/L、B 0.5 mg/L,说明0.5 mg/L的B对高浓度的Cu胁迫有较好的缓解作用,适量的B、Cu施用对油菜生长有很好的促进作用。各项指标在主成分中的权重排序得出,不同B、Cu处理对叶绿素影响最大。     

基于PCA-Attention-LSTM网络的土壤氮含量监测

土壤作为农作物生长的主要营养来源,氮是植物生长的重要元素,有效评价土壤氮素含量可以促进配方施肥的发展。提出主成分分析、注意力机制和长短时记忆神经网络相结合的模型(PCA-Attention-LSTM)来监测土壤的氮素含量。采用PCA(主成分分析)对数据进行处理,提取影响土壤氮含量的关键影响因子,降低模型向量输入的维数,利用注意机制突出预测中的关键输入特征。在Keras深度学习框架的基础上搭建PCA-Attention-LSTM的网络模型,实现对未来2 h土壤氮含量的精监测。最后,以黑龙江省依安甜菜养植基地的数据对土壤氮含量进行训练和验证。结果表明,与RNN等其它网络模型相比,该模型的效果更好,基于PCA-Attenlion-LSTM网络模型的平均绝对误差,均方根误差和平均绝对百分误差分别为0.119、0.020、0.156。该模型预测精度高,泛化能力强,可以应用于土壤氮含量的监测。