十堰猕猴桃果园生草生态效应的分析

为探究生草对十堰猕猴桃果园的生态效应,以长平塘村和高岭村的猕猴桃果园为研究对象,进行自然生草和人工生草,人工生草选择白三叶和黑麦草,比较分析人工生草和自然生草对土壤养分、杂草种类和数量以及果实产量和品质的影响。结果表明,相对自然生草,人工生草可以有效降低果园内的杂草种类和数量,提高土壤有机质、碱解氮、速效磷和速效钾含量,降低碱性土壤的pH值,其中种植黑麦草效果更好;人工生草和自然生草在改善土壤温度、提高果树产量和改善果实品质方面无显著差异。在长平塘村和高岭村,相比自然生草和种植黑麦草,种植白三叶可以大幅降低猕猴桃果园内的杂草种类和数量;在高岭村,人工生草可以显著提高土壤的湿度(P<0.05);随着种植时间的延长,相对自然生草和种植白三叶,种植黑麦草提高土壤中碱解氮、速效磷和速效钾含量的效果更为显著。研究表明,相比自然生草和种植白三叶,十堰市猕猴桃果园更适合种植黑麦草。

猕猴桃雄花特性与授粉果实性状相关性研究

为明确猕猴桃雄花特性与授粉果实性状间的相关关系,于2018年,选择"徐香"猕猴桃为母本,用10个不同猕猴桃雄株的花粉分别为其授粉,调查不同雄花的特性及杂交果实的性状。结果表明,不同花粉授粉后,果实各性状差异明显。果实坐果率最高为56.67%、最低为3.33%,单果质量最大为68.53 g、最小为32.07 g,Vc含量最高为2.14 mg·L-1、最低为1.10 mg·L-1,固酸比最高为68.63、最低为25.55;雄花特性与果实各性状间存在显著的相关性。研究表明,猕猴桃存在明显的花粉直感效应,选择合适的授粉雄株可以显著改善当代果实的性状指标。

Growth and physiological responses of four kiwifruit genotypes to salt stress and resistance evaluation

In this study,four genotypes(Acva-1,Acva-2,Acva-3 and ZM-2) of Actinidia germplasm resources were grown in different NaCl concentrations(0,0.4,0.8 and 1.2 g L–1).The growth,physiological and biochemical indicators were measured,and a graded scale was developed as the salt damage index(SDI) according to different damage symptoms in leaves.The results showed SDI increased gradually,and average number and length of new shoot decreased significantly.Three antioxidant enzymes(superoxide dismutase,peroxidase and catalase) and two osmotic adjustment substances(soluble sugar and proline) showed different changes in old and new leaves of four genotypes.SPAD values exhibited a decreased trend in the whole except in the new leaves of Acva-2.Malonaldehyde contents increased and root activity decreased with the increasing salt concentrations.Principal component analysis was used to assess the salt tolerance,and the results showed Acva-3,from Actinidia valvata Dunn.,had the strongest tolerance to salt,and could be a potential resistant resource to the salt-tolerance dedicated rootstock breeding of kiwifruit.

基于反贝叶斯学习的WDMS光谱自动识别研究

天体光谱是天体物理学重要的研究对象,通过光谱可以获取天体的许多物理、化学参数如有效温度、金属丰度、表面重力加速度和视向速度等。白矮主序双星是一类致密的双星系统,对研究致密双星的演化特别是公共包层的演化有着重要的意义。国内外的大型巡天望远镜如美国斯隆望远镜以及中国的郭守敬望远镜,每天都产生大量光谱数据。如此海量的光谱数据无法完全用人工进行分析。因此,使用机器学习方法从海量的天体光谱中自动搜索白矮主序双星光谱,有着非常现实的意义。目前的光谱自动识别方法主要通过对已有的标签样本进行分析,通过训练得到分类器,再对未知目标进行识别。这类方法对样本的数量有明确的要求。白矮主序双星的实测光谱数量有限。若要通过有限的样本集准确学习白矮主序双星的光谱特征,不仅需要扩大样本数量,还需要提高特征提取和分类算法的精度。在前期工作中,通过机器学习等方法在海量巡天数据中识别了一批白矮主序双星的光谱,为该实验提供了数据源。使用对抗神经网络生成新的白矮主序双星光谱,扩大训练数据量至原数据集约两倍的数量,增强了分类模型的泛化能力。通过反贝叶斯学习修正损失函数,将损失函数的大小与样本的方差相关联,抑制了异常数据对模型造成的影响,提升了模型的鲁棒性,解决了由于训练样本集偏差带来的梯度消失以及训练陷入局部最优解等问题。该实验基于Tensorflow深度学习库。使用Tensorflow搭建的生成对抗网络具有较好的鲁棒性,并且封装了内部实现细节,使得算法得以更好地实现。除此之外,由Tensorflow搭建的卷积神经网络在该实验中用于分类准确度测试。实验结果表明,二维卷积神经网络能够利用卷积核有效地提取白矮主序双星的卷积特征并进行分类。基于反贝叶斯学习策略的卷积神经网络分类器在白矮主序双星原始数据及对抗神经网络生成光谱的识别任务中达到了约98.3%的准确率。该方法也可用于在巡天望远镜的海量光谱中搜索其他特殊和稀少天体如激变变星、超新星等。

十堰地区猕猴桃病虫害情况及防治建议

深入调查了十堰地区猕猴桃病虫害发生的特点,分析了当地猕猴桃病虫害的种类和出现原因,提出了切合十堰实际的有针对性的防治病虫害的方法,包括综合防治、物理防治、化学防治和生物防治,可以解决十堰地区猕猴桃产业发展面对病虫害的困境。