《红楼梦》里的果树学

《红楼梦》里隐藏着极为丰富的果树学知识,如果树套袋技术、果树盆栽技术、有选择优良品种、疏花疏果、生物防治病虫等,对今天的果品生产者、科技工作者、消费者乃至园林工作者会有些启示。

苹果树形改造对树冠结构和冠层光合能力的影响

为解决乔化密植苹果园树冠郁闭、光照差、产量低、品质差的问题,于2001～2004年在北京昌平区十三陵农场(东经116°13′,北纬40°13′,海拔79m)对1986年定植的富士苹果(Malusdomestica Borkh.‘Fuji’)进行树形改造试验,将三主枝疏散分层形逐步改造为高干开心形。经过3年的改造,主干高度从0·29m提高到1·37m,主枝数从15·8个减少到4·58个,冬剪后枝数从2119·73×103·hm-2减少到814·07×103·hm-2,叶面积指数从3·98减少到2·31。改造后树冠的叶片和光照分布更加均匀,低于30%的无效光区从43%减少到24%。通过对冠层光合作用的数值模拟发现,改造树冠层的光合作用比未改树略有降低,在整个生长季(5～9月)改造树的冠层光合能力比未改造树小14·6%,但平均单叶光合速率却增加40·4%。改造后苹果产量从27·3t·hm-2增加到54·5t·hm-2,可溶性固形物从12·83%增加到15·55%。

基于现代谱估计技术的干涉光谱复原算法

为了克服传统光谱复原算法理论上的缺点,引入了现代谱估计技术的概念和基本算法.利用两类现代谱估计方法(自回归模型和多重信号分类算法)进行干涉光谱复原,比较了复原光谱与传统光谱复原算法的效果,并对文中所用几种方法的局限性加以验证和说明.研究结果证明了现代谱估计方法应用于光谱复原中完全可行且性能优异,在传感器获取的数据长度有限时可以获得更高的光谱分辨率.

玉巴达杏花芽形态分化时期和芽体特征变化

对玉巴达杏花芽形态分化的时期和芽体内外形态变化进行了初步的研究。结果表明:(1)花芽开始进入形态分化的时期较为分散。最早在6月初,最迟到8月下旬。多数集中在6月下旬;(2)玉巴达杏8月下旬开始进入雌蕊分化,9月中旬达到盛期,9月下旬已全部出现雌蕊原基。(3)花芽芽体纵径从萼片分化盛期(8月初)开始明显增大,横径在雌蕊原基出现盛期(9月中旬)明显增大。休眠期芽体纵横径变化较小,2月中旬又开始迅速增大。

日本苹果树开心形的培养过程

苹果树开心形是日本经历了近百年的探索后形成的，日本的苹果树形先后经历了自然放任形、主干形、分层形、开心形和自然开心形的过渡．最终选择了自然开心形（图1），并随着20世纪60～70年代富士的高接换优而推向全国。这种树形光照充足．产量高。品质好。在日本有一半以上的苹果园都采用开心树形。根据树干的高低可分为：高干开心形、中干开心形和矮干开心形：根据地域的不同可分为：山坡地开心形、平地开心形和雪地开心形等。不同的开心形结构和管理有所差异但是基本结构和修剪手法是相同的。标准的开心形是大冠高干、自然开心．实践表明这种树形最适合乔化砧木．应用最广。本文所讲的开心形就是指这种自然开心形．开心形苹果园的株行距一般为7米×7米．充分的空间是培养开心树形的前提．不过在小树培养阶段可种一些矮化砧木的临时株（3．5米×3．5米），以利于早期收获。树高控制在4～4．5米，叶幕厚度3～3．5米。开心形最终留2个主枝（也有的留3主枝），每个主枝留2个亚主枝．交错分布。富士、国光、红玉、王林等667平方米枝量为4．7万左右，元帅、乔纳金、陆奥等为4万左右。

桃果实和叶片中糖分的季节变化及其与碳代谢酶活性的关系研究

以晚熟的艳丰一号桃为试材,研究了果实和叶片中可溶性糖、淀粉及相关酶活性的变化。结果表明,在果实生长发育早期,果实和叶片中的可溶性糖主要是还原糖,中后期,还原糖维持在相对较低的水平上,非还原糖大量积累;在整个果实生长发育期间,果实中蔗糖、葡萄糖、果糖含量显著地高于叶片,而叶片中山梨醇和淀粉含量则显著地高于果实;叶片中蔗糖、葡萄糖、果糖含量和果实中山梨醇含量较稳定,在整个生长季节中差异较小;在整个生长发育期间蔗糖在果实中持续积累,尤其是在成熟前急剧增加,果实内葡萄糖和果糖含量在生长发育前期总体呈下降趋势,中后期维持在一个相对较低的水平上;叶片中山梨醇含量在生长前期下降,之后维持在相对稳定状态。在整个果实生长发育期间果实中果糖含量与NI、SS和SDH活性及葡萄糖含量与SS和SDH活性呈显著正相关;叶片中葡萄糖含量与SDH活性呈显著正相关且果糖含量与SS和ADPGPPase活性呈显著负相关,此外叶片中蔗糖含量与SPS活性呈显著正相关,但果实中蔗糖含量与SPS不存在任何相关性。因此认为各主要糖的合成与转化在叶片和果实中可能存在着不同的酶调控机制。

基于CLAHE的红外图像增强算法

针对原始红外图像信息在压缩转换中数据信息丢失或弱化的问题,提出一种基于CLAHE(对比度受限自适应直方图均衡)的红外图像增强算法。该算法首先对14位原始红外图像的像素灰度级进行调整,然后通过CLAHE算法获得基图像,再通过原始图像与双边滤波后图像的差值获得细节图像,进一步通过高斯滤波算法滤除细节图像的噪声,最后合成得到输出图像。仿真结果显示:通过该算法,原始图像的对比度及边缘细节信息得到很大程度的增强。本文算法的图像增强效果优于PE算法和CLAHE算法。