科研产出
天津玫瑰香葡萄产地土壤营养诊断与产量的关系
《天津农业科学 》 2020
摘要:为了解天津玫瑰香葡萄产地的土壤营养状况,对汉沽玫瑰香葡萄主产区高、中、低产园的土壤营养状况(全N、全P、全K、速效氮、有效磷、速效钾、pH值、有机质)进行了分析.结果 显示:不同产量玫瑰香葡萄园土壤pH值、全N、全P含量均差异不显著;而高、中、低产园土壤全K、速效磷、速效钾含量均差异显著;高产园的有机质和速效氮含量明显高于中、低产园.土壤有机质和土壤全K含量与玫瑰香葡萄产量呈显著正相关,相关系数分别为0.931和0.862.因此,土壤增施有机质和K可提高产量和品质.
全文链接
请求原文
宁夏压砂西瓜嫁接栽培模式研究
《中国瓜菜 》 2020
摘要:为了将嫁接栽培技术应用到压砂西瓜中,针对嫁接栽培中在不同砧木材料、不同西瓜品种、不同嫁接方式等方面做了试验研究.结果表明,以白籽南瓜为砧木的嫁接苗对枯萎病免疫,平均单瓜质量也较CK增加了40%,筛选出了高产压砂西瓜推广品种'津抗五号',优质压砂西瓜推广品种'花魁',靠接不断西瓜根的嫁接方法有较高的成活率,较低的管理成本.确定了压砂西瓜以白籽南瓜品种为砧木'、津抗五号'等优良品种为接穗、靠接不断西瓜根方法的嫁接栽培模式.
全文链接
请求原文
宁夏压砂西瓜嫁接栽培技术
《长江蔬菜 》 2020
摘要:宁夏的压砂西瓜生产主要分布在环香山地区中卫、中宁、海原等市县的兴仁、喊叫水等10多个乡镇,采用的是中卫市环香山地区群众于20世纪60年代创造的农业生产模式,宁夏的压砂瓜生产规模占全国压砂西(甜)瓜生产总面积的80%以上[1].压砂西瓜开始以籽瓜生产为主,由于经济效益显著,进入21世纪后栽培面积迅速扩大,2004年种植面积增加到2.08万hm2,2008年达6.8万hm2,到2012年压砂西瓜种植面积连续5 a稳定在6.67万hm2[2].
全文链接
请求原文
黄瓜霜霉病菌对氟噻唑吡乙酮的敏感性测定及其田间防效
《安徽农业科学 》 2020
摘要:明确天津地区黄瓜霜霉病菌对氟噻唑吡乙酮的敏感性及田间防效,为该病害的防治提供理论依据.采用离体叶片法测定黄瓜霜霉病菌对氟噻唑吡乙酮的敏感性,并进行田间防效试验.结果表明,24株黄瓜霜霉病菌对氟噻唑吡乙酮存在敏感性差异,EC50值为0.002 6~0.071 3μg/mL.田间试验表明,10%氟噻唑吡乙酮可分散油悬浮剂对黄瓜霜霉病防效均在85%以上.黄瓜霜霉病菌对氟噻唑吡乙酮具有较高敏感性,田间防效高,推荐使用有效剂量19.50~30.00 g/hm2.
全文链接
请求原文
利用SSR标记鉴定芹菜新品种'HBN-01'和'HBN-02'的种子纯度
《分子植物育种 》 2020 北大核心 CSCD
摘要:为了快速鉴定两个杂交芹菜品种'HBN-01'以及'HBN-02'种子纯度情况,本研究以杂交F1代及其父母本为材料,采用CTAB (Cetyltrimethylammonium bromide)快速提取法提取DNA,基于SSR (Simple sequence repeat)分子标记技术筛选出合适引物,对芹菜杂交品种进行种子纯度鉴定.结果发现,从候选78对引物中,共筛选出2组引物(celerySSR-25和celerySSR-61),可以使芹菜品种'HBN-01'和'HBN-02'及其亲本的带型具有互补多态性.两组特异性引物可相互验证两个杂交品种的种子纯度情况.应用该方法对芹菜品种'HBN-01'和'HBN-02'种子纯度检测结果显示,'HBN-01'品种纯度为93.33%;'HBN-02'品种纯度为99.00%.因此通过SSR分子标记技术,可在室内快速准确鉴定出芹菜杂交品种'HBN-01'和'HBN-02'的种子纯合情况,为今后芹菜品种纯度的鉴定以及芹菜的育种筛选提供便利以及技术支持.
关键词: 芹菜(Apium graveolens) 纯度鉴定 DNA提取 SSR分子标记
全文链接
请求原文
基于农业农村综合开发的乡村振兴路径探索
《海峡科技与产业 》 2020
摘要:我国乡村振兴基本要求是:产业兴旺、生态宜居、乡风文明、治理有效、生活富裕。这五个方面涵盖了经济、政治、文化、社会多个领域,体现了科学发展观以人为本、全面协调可持续发展的要求,也意味着解决"三农"难题进入了乡村综合发展和城乡协调发展的阶段。在这一阶段,我们认为必由之路是农村综合开发。我们研究认为,乡村综合开发,目标是农业现代生产,村镇现代居住,生态环境美好;内容是产业协调发展,设施配套建设;方针是超前规划、精细设计,村民主导、公司运作;政策是开发用地有偿集中,开发资金财政支持,农业生产体制创新。
关键词: 乡村振兴 农村综合开发 发展规划 产业发展 设施建设
全文链接
请求原文
基于SVM和CNN组合模型的黄瓜病斑叶片检测与识别
《贵州农业科学 》 2020 北大核心
摘要:为建立准确高效的黄瓜病斑叶片的检测与识别算法提供参考,针对黄瓜叶片常见病斑检测与识别时存在的环境适应性差、识别精度低等问题,提出基于改进的SVM(支持向量机)和CNN(卷积神经网络)组合模型的黄瓜病斑叶片检测与识别算法.依据黄瓜设施场景特征,首先对病斑图像进行色彩增强,通过直方图均衡化对图像进行再处理,利用优化的HOG+SVM分类器对黄瓜叶片进行提取;通过稀疏滤波器及增加偏置对CNN算法进行改进,识别出叶片的病斑类别.结果 表明:在黄瓜设施场景下,改进SVM和CNN组合模型的黄瓜病斑叶片检测与识别算法对叶片提取的查准率及差全率分别达87.21%和88.77%,对病斑的整体识别精准率为91.9%.算法实时性强,具有实际推广应用前景.
关键词: 黄瓜 病斑检测 支持向量机 卷积神经网络 改进算法
全文链接
请求原文


