推进海洋生态研究 促进海洋生态文明

阐述了海洋对人类赖以生存的地球的重要作用以及我国海洋领土的现状,指出了我国在大力发展现代经济的过程中对海洋环境造成的损害及其严重性,着重论述了海洋生态学研究对我国海洋情报获取、海洋资源合理开发以及海洋生物多样性保护中的重要意义,并且指出了海洋生态学研究对促进我国海洋生态文明建设中的重要地位。     

金龟子绿僵菌CQMa4及球孢白僵菌对茶叶毛股沟臀叶甲的田间防治效果

为茶叶生产中毛股沟臀叶甲的防治提供参考,采用不同剂量的400亿个孢子/g球孢白僵菌水分散粒剂和80亿孢子/mL金龟子绿僵菌CQMa421可分散油悬浮剂进行田间试验,评价球孢白僵菌和金龟子绿僵菌CQMa421对毛股沟臀叶甲的田间防治效果。结果表明：球孢白僵菌和金龟子绿僵菌CQMa421均对毛股沟臀叶甲有一定防治效果,其防效为83.94%～90.63%。其中,140 g/667m²的金龟子绿僵菌CQMa421可分散油悬浮剂的防效最高,为90.63%,推荐在4月下旬和5月上旬,成虫为羽化前施用。     

二氧化锗对裙带菜细胞系中硅藻的杀灭作用

硅藻污染是裙带菜配子体分离和培养过程中经常遇到的问题,而纯种、无污染的细胞系是种质保存和培养的前提条件。本实验通过观察不同浓度二氧化锗对裙带菜细胞系中硅藻的杀灭作用,以期用二氧化锗作为硅藻的杀灭剂,减轻工作量。 1 材料和方法 1．1 实验材料实验所用材料为本实验室保存的已污染硅藻的裙带菜雄性配子体细胞系。     

白刺参繁育及病害防治技术初探

海参含有丰富的蛋白质、人体必需氨基酸和多种微量元素,营养价值和药用价值极高。近年来,海参消费需求逐年上升,海参人工育苗和养殖逐渐兴起,其规模和养殖方式不断扩大。白刺参做为海参家族中的特殊变异种,除了颜色与众不同外,白刺参营养价值也较普通海参高出一筹,硒含量是一般海参的10倍,因此越来越引起广大水产工作者的关注。本文根据作者多年白刺参生产育苗经验,就白刺参规模化繁育和期间病害防治进行总结,为白刺参繁育从业人员提供实用指导。     

海带配子体克隆二次附苗技术

本研究主要从生产应用角度出发,在配子体克隆一次附苗的基础上进行二次附苗实验,系统探讨了海带配子体克隆二次附苗、育苗各环节的关键技术,结果显示1.25g/帘为最佳附苗密度;当幼孢子体普遍达到0.3~0.5mm时为最适宜起始洗刷时间,0.05MPa的压力为最佳起始洗刷压力;沉降式附苗法为最适宜附苗法;细胞最优过滤孔径为38μm。配子体克隆二次附苗幼苗发育速度快于孢子体附苗和克隆一次附苗,从而可大大节约生产成本。     

之三:利用海带育苗池进行刺参亲参培育技术

近几年,随着北方地区刺参养殖面积的不断扩大,养殖户对大规格苗种的需求不断增加,刺参控温育苗应运而生,其关键技术之一就是亲参的培育技术。在此,笔者将利用海带育苗池进行刺参亲参培育技术介绍如下。一、培育池条件亲参培育池是培育海带夏苗的池子,利用冬闲时间进行亲参培育,池长8．2m、宽2．2m、深0．4m, 屋顶用虾网和竹帘控制室内光照及保温。     

海带种质保存防污染技术

我国是世界第一海带栽培大国。遗传育种在海带产业发展中占有举足轻重的地位。我国自20世纪50年代开始进行海带遗传改良研究，共培育了约20余个优良品种，其推广应用大大促进了海带产业的发展。     

基于优质高产水稻栽培技术的几点思考

<正>水稻是我国粮食作物中最为重要的一种,该作物种植范围广,成活率高。近年来,由于多方面原因,水稻产量止步不前,很难得到提高,因此,为了有效解决这一问题,提升水稻栽培技术成为当前最为关键的一步。1高产水稻栽培情况当前,繁昌县在种植优质高产水稻时,要选择出优良的品种,遴选出抗病能力以及产量更为优异的品种。但仅依靠优良的品种也很难提升水稻产量。本县在对水稻栽培技术的提升领域还存在一些问题,在实际情况下本县技术提升空间小,从     

刺参养殖技术之三利用海带育苗池进行刺参亲参培育技术

近几年,随着北方地区刺参养殖面积的不断扩大,养殖户对大规格苗种的需求不断增加,刺参控温育苗应运而生,其关键技术之一就是亲参的培育技术.在此,笔者将利用海带育苗池进行刺参亲参培育技术介绍如下.     

基于GEE平台结合RF和SVM算法的茶园提取研究

科学有效的茶园遥感监测技术为土地利用管理、茶园管理、产业政策制定奠定了基础。研究基于GEE平台利用Landsat 8/OLI分别结合SVM和RF两种分类算法对云南省普洱市和西双版纳自治州的茶园进行了提取,并将2种算法的提取结果进行了对比。结果表明,RF和SVM算法的分类总体精度(OA)分别为95.61%、95.56%,Kappa系数相同,均为87%。RF算法的分类总体精度高于SVM算法,而Kappa系数相同。RF算法的制图精度(PA)为65.44%,与SVM算法(65.75%)相比相差较小,RF和SVM算法的用户精度(UA)分别为63.08%和57.37%。基于GEE平台结合RF分类算法对茶园的提取精度高于SVM算法。采用不同的传感器以及不同的分类算法可实现对茶园准确、高效的提取,对制定科学的茶园管理政策、茶园灾害预警、地表覆被变化等研究具有重要意义。