瘦肉型猪杂交组合的筛选研究

本试验研究了早籼稻饲粮中添加NSP酶对生长猪作用效果的影响。结果表明，与对照组比较，早灿稻饲粮中添加NSP酶制剂使生长猪日增重提高了11．18％（P＜0．05），料重比降低了9．42％（P＜0．05）；粗蛋白、粗脂肪和粗纤维的表观消化率分别提高了18．76％（P＜0．01）、16．04％（P＜0．05）、108．57％（P＜0．05）；腹泻率、粪便大肠杆菌数分别下降了37．00％（P＜0．05）、81．29％（P＜0．05）。     

溢多酶V10R—818饲喂早期断奶仔猪效果试验

在早期断奶仔猪饲粮中接0．1％添加V10R－818复合酶，经30天饲养试验表明，加酶比不加酶的对照组日增量提高10．89％（P＜0．05），饲料效率提高11．83％，仔猪腹泻明显减轻，仔猪收益显著增加。     

半胱胺不同添加方式对生长肥育猪生产性能的影响

在生长肥育猪的生长期和肥育期饲粮中分别添加360mg／kg半胱肤和450mg／kg半胱胺(试验组Ⅰ，每6天添加1天)或分别添加60mg／kg半胱胺和75mg／kg半胱胺(试验组Ⅱ，持续添加)．研究半胱胺不同添加方式对生长肥育猪生产性能的影响。饲养试验表明，在35—60kg阶段，试验组Ⅰ和试验组Ⅱ日增重比对照组分别提高5．8％(P＜0．05)和4．7％（P＞0．05)；在35--90kg阶段，试验组Ⅰ和试验组Ⅱ日增重比对照组分别提高4．8％(P＜0.05)和4．2％（P＜0．05)。屠宰试验表明，酮体瘦肉率试验组Ⅰ和试验组Ⅱ比对照组分别提高5.24％(P＜0．05)和4.63％(P＜0．05)，酮体脂肪率试验组Ⅰ和试验组Ⅱ比对照组分别降低9．52％(P＜0.05)和8.53％(P＜0．05)；第十肋背膘犀试验组Ⅰ和试验组量比对照组分别下降8．47％（P＝0.076)和10．17％（P＝0．071)。饲养试验与屠宰试验表明，两种添加方式，各项测定指标均无显著性差异。     

脱毒菜籽饼粕在生长猪饲粮中适宜用量的研究

为充分、合理地利用菜籽饼粕资源，在生长猪饲粮中加入占总量的0.5％、10％、15％、18％和20％的脱毒菜籽饼粕，使供试的6种饲粮营养水平基本相同。结果，日增重和饲料报酬，前30天以2、3组为最好，后30天以1组为最好。试验全期（60天）日增重，1、2、3、4组极显著地高于6组（P＜0．01），5组与6组间差异显著（P＜0．05），1组与5组间差异不显著（P＞0．05）。经济效益以3、4、5组最高。     

高锌对断奶仔猪效果试验

在断奶仔猪饲粮中分别添加2000毫克／千克（试验Ⅰ组）、1500毫克／千克（试验Ⅱ组）的锌（饲料级ZnSO4·7H2O）。试验组平均日增重比对照组分别高57．4％、11．57％，饲料转化率比对照组分别高20．2％、0．52％。下痢发生率明显降低，经济效益显著。     

ASA在百草枯诱导小麦幼苗活性氧代谢及膜脂过氧化中的作用

用0．05％ASA预处理能明显降低百草枯诱导小麦幼苗超氧阴离子自由基（O2-）的含量及膜脂过氧化的程度,提高超氧化物歧化酶（SOD）的活性,降低脂氧合酶（LOX）和酸性磷酸酯酶的活性。说明ASA可降低活性氧伤害,减轻膜脂过氧化的程度。     

饲粮因素对早期断奶仔猪蛋白质和脂肪消化率,腹泻和生产性能的影响

选用２６日龄断奶的长白×荣昌杂交仔猪（平均体重４．８ｋｇ）,研究饲粮类型（全植物蛋白型和复合蛋白型）、饲粮粗蛋白质（ＣＰ）水平（常规ＣＰ水平和氨基酸平衡的低ＣＰ水平）和添加抑菌促生长剂对早期断奶仔猪ＣＰ和粗脂肪（ＥＥ）消化率、腹泻和生产性能的影响。试验结果显示：（１）复合蛋白型饲粮（ＣＰ２１．８％）的ＣＰ和ＥＥ消化率高于全植物蛋白型饲粮（ＣＰ２１．６％）。复合蛋白饲粮使仔猪腹泻指数明显降低。采食复     

高赖氨酸玉米和普通玉米对猪的营养价值评定

本试验用高赖氨酸玉米和普通玉米对猪的营养价值进行了评定。试验所用高赖氨酸玉米的粗蛋白质、赖氨酸、总氨基酸的含量分别为８．７％、０．３５％、７．２１％，普通玉米分别为９．４％、０．２７％、９．０３％。以高赖氨酸玉米代替饲粮中普通玉米，全期饲养１３７天，喂高赖氨酸玉米饲粮的猪比喂普通玉米饲粮的猪体重高４．５５千克，日增重提高６．９％。其中育肥后期阶段饲养４６天，喂高赖氨酸玉米组平均净增重和日增重为２９．６千克和６４４克，而喂普通玉米组为２６．０千克和５６６克，高赖氨酸玉米组比普通玉米组提高１３．８％，差异显著（Ｐ＜０．０５）。经屠宰测定，高赖氨酸玉米组瘦肉率为５５．４％，比普通玉米组提高２．６个百分点；背膘厚度，高赖氨酸玉米组比普通玉米组降低１．０６厘米，差异显著（Ｐ＜０．０５）。     

全早稻型猪用浓缩料饲喂生长肉猪中试报告

用１５８０头不同杂交组合的猪在９个不同的猪场,试验研究了早稻谷－全早稻型猪用浓缩料饲粮与玉米－普通浓缩饲料饲粮在生长肥育阶段的平均日增重、料重比、每千克增重成本等方面的差异显著性,结果发现全早稻型猪用浓缩料能显著提高平均日增重８．８３％（Ｐ＜０．０５）,降低每千克增重成本９．８６％,能降低料重比５％,但无显著性差异（Ｐ＜０．０５）。另外中试猪生病少,毛色光亮,皮肤红润,对体型无任何不良影响。这些结果表明,应用本项技术完全可用早稻谷代替玉米来配制生长肥育猪的全价饲粮。     

添加不同抑菌促生长剂对早期断奶仔猪结肠内蛋白质腐败、腹泻和生产性能的影响

选用 2 0头 2 6日龄断奶的长白×荣昌杂交仔猪 (平均体重 4.8kg) ,随机分成 4组。 4组仔猪的试验处理分别为 :( 1)对照饲粮 (未添加抑菌促生长剂 ) ;( 2 )对照饲粮 2 5 0 mg Cu( Cu SO4· 5 H2 O形式 ) /kg;( 3)对照饲粮 2 5 0 0 mg Zn( Zn O形式 ) /kg;( 4)对照饲粮 30 mg喹乙醇 /kg。试验结果显示 :( 1)饲粮中添加抑菌促生长剂使仔猪结肠内容物中含氮腐败产物产量显著 ( P<0 .0 5 )降低。 ( 2 )添加抑菌促生长剂显著 ( P<0 .0 5 )降低仔猪腹泻程度。( 3)添加高铜可显著 ( P<0 .0 1)促进断奶仔猪的生长。添加高锌和喹乙醇也有促进断奶仔猪生长的效果 ,但差异不显著 ( P>0 .0 5 )。试验结果表明 ,饲粮中添加高铜、高锌和喹乙醇可有效地减弱结肠内蛋白质的腐败作用 ,从而降低仔猪腹泻程度和提高仔猪生产性能。     

电子鼻判别小麦陈化年限的检测方法研究

采用电子鼻对五个储藏年限的陈化小麦进行年限分析,确定了采用电子鼻判别小麦储藏年限的最佳参数及方法.对传感器信号进行多因素方差分析可知:对于固定容器的陈化小麦样品,不同的小麦密封时间对电子鼻的响应信号的影响极为显著;其次是小麦在烧杯内的密封质量.通过静置密封时间和密封质量的方差分析,得出小麦在500 mL烧杯内的最佳静置时间为1.5 h,密封在烧杯内的小麦最恰当质量为50 g.采用以上参数,对五个储藏年限的小麦进行辨别,PCA分析可以将不同储藏年限的小麦较好的区分开来,并且五个年份的小麦自右上角至左下角依次排列;而LDA分析能够将差别年限较大的陈化小麦进行区分,差距较小的,不能够很好的区分,其区分效果不如PCA分析;进而采用BP神经网络的方法进行判别分析,训练样本正确率为100%,测试样本正确率也达到了85%以上.     

基于金属氧化物传感器阵列的小麦霉变程度检测

研制了一套由8个金属氧化物传感器组成、用于检测小麦霉变的电子鼻系统.使用该电子鼻对不同霉变程度和掺入不同百分比含量霉麦的小麦样品进行检测.通过方差分析和主成分分析优化传感器阵列并去掉冗余传感器,对优化后的数据进行主成分分析(PCA)和线性判别分析(LDA),其中PCA的前两个主成分对两类实验结果分析的总贡献率为98.30％和99.27％,LDA前两个判别因子对两类实验结果分析的总贡献率为99.68％和93.30％,且由得分图可知两种方法均能很好地区分不同的小麦样品.利用BP神经网络建立预测模型,对样品菌落总数和掺入样品中霉麦的百分比进行预测.两种预测模型的预测值和测量值之间的相关系数分别为0.91和0.94,表明预测模型具有较好预测性能.     

基于多时相TM影像的冬小麦面积变化监测

利用北京1992年、2000年、2004年、2009年的多时相Landsat TM5影像数据,结合实际调查数据,分析了近20年来北京冬小麦种植面积的变化趋势及演变特征。采用决策树、PCA、缨帽变换等手段对地物进行分类,利用多时相影像,NDVI组合阈值提取小麦种植区面积。研究结果表明:北京地区1992年、2000年、2004年、2009年冬小麦种植面积分别为:113671ha,84322ha,40410ha,61529ha。北京冬小麦种植面积呈现为明显的先减少后增加的趋势。从1992年到2009年共减少52143ha。其中,从1992年到2000年冬小麦种植面积减少了29349ha,减少的面积中城区扩张占用和转变为裸地的最多,分别为39.7%和42.8%,另外有13.3%变为设施用地,3%成为水体(鱼塘和水田);从2000年到2004年冬小麦种植面积共减少43921ha,减少的面积中转变为裸地和城区扩张占用的最多,分别为39.8%和33.1%;从2004年到2009年冬小麦种植面积共增加了21119ha,其中裸地转变为小麦种植区面积最大。     

An Anti noise Identification Methodfor Winter Wheat based on Satellite Time series Data

China As one of the major crops in the world,the spatial distribution information of winter wheat plays an important role in monitoring winter wheat growth,assisting economic decision making and addressing regional food security under climate change.This paper proposed a new anti noise identification method for winter wheat identification based on the 250 m MODIS NDVI time series dataset during the period from September 30,2014 to June 26,2015.With the method,the spatial distribution of winter wheat in Henan province was extracted based on the analysis of winter wheat phenology.Results indicated that the total identification accuracy of winter wheat was 93.0%,94.0% and 86.0% for the whole study area,fragmentary land area and regular land area,respectively.Compared with the traditional identification method for winter wheat based on satellite time series data,the identification accuracies with the proposed method in different filtering scenarios were not only high but also similar to each other.It strongly proved that the new method had a good performance in noise immunity and stability and can be applied to the rapid extraction of winter wheat in a large scale based on satellite time series dataset.This new method provided a new technical support for the operational extraction of winter wheat.     

Simulation and Analysis on the Influence of Soil Background of Wheat Farmland on NDVI under Different Vegetation Coverage

It is quite confusing to effectively monitor and precisely evaluate growing conditions of wheat by using normalized differential vegetation index (NDVI)which is based on pixel scale as they are significantly different when acquired by the same growth status wheat with different background of soil types.This paper selects 9 typical soil types in our country as background with the wheat canopy spectrum is fixed which means the NDVIc is a constant value to study the influence of different soil background types on NDVI of wheat and analyze the sensitivity of NDVI of wheat to the vegetation coverage simulated by diverse liner mixed ratio of wheat canopy and soil background.The results show that：(1)wheat NDVI of farmland increases along with the increase of vegetation coverage under the same of soil background type,and vice versa;(2)wheat NDVI of farmland vary greatly with different soil background types,and the difference decrease while the vegetation coverage exceed 25%;(3)NDVI sensitivity also shows a quite difference to vegetation coverage under the diverse soil background types.With the increase of vegetation coverage,NDVI sensitivity decreases with the lower\|reflectance soil background while it increases monotonously with the higher reflectance soil background.It provides the foundation for the times of calculating the remote sensing’s NDVI information of all wheat growing periods under different types of soil background.     

基于WorldView-2影像和语义分割模型的小麦分类提取

为使用高分辨率遥感影像和深度学习语义分割模型实现快速准确的小麦种植空间信息提取,以WorldView-2遥感影像为数据源,制作尺度分别为128×128、256×256、512×512的样本数据集,对U-net和DeepLab3+语义分割模型的参数进行训练,建立小麦遥感分类模型;通过与极大似然和随机森林方法比较,检验深度学习分类效果。结果显示：(1)不同尺度样本训练得到的模型总体精度、Kappa系数分别在94%和0.82以上,模型精度稳定,样本尺度大小对小麦分类提取模型影响较小;(2)深度学习方法的小麦分类总精度和Kappa系数分别在94%和0.89以上,极大似然和随机森林则在92%和0.85以下,表明该研究建立的小麦遥感分类模型优于传统分类方法。研究结果可为高分辨率遥感影像作物种植信息的深度学习方法提取提供参考。     

基于遥感影像时间序列的冬小麦种植监测最佳时相选择研究

遥感影像植被分类的最佳时相对作物种植面积遥感监测非常重要。根据2005~2006年北京冬小麦不同物候期的Landsat TM影像和2006年Spot\|2影像,计算了各时期影像中主要植被类型的光谱可分性距离,分析了北京郊区主要植被物候差异和光谱可分性;对各生育期的遥感影像及其主要组合进行了监督分类,采用总体精度和分类效率指标两个参数,结合地面GPS调查数据,对分类结果进行了精度评价。结果表明：北京地区小麦监测最佳时相是4月上旬,影像分类的总体精度为92.9％,明显优于其它单时相影像的分类结果;发现北京郊区冬小麦光谱分类的最佳时相组合为4月上旬(起身期)和5月下旬(灌浆期),分类总体精度为94％。     

遥感探测小麦条锈病严重度的GBRT模型研究

为了提高小样本数据模型的稳定性,构建具有更高精度和鲁棒性的小麦条锈病遥感探测模型.首先基于辐亮度和反射率荧光指数方法提取了冠层日光诱导叶绿素荧光(SIF)数据,然后结合对小麦条锈病病情严重度敏感的反射率光谱指数并基于改进的分类与回归树(CART)——梯度提升回归树(GBRT)算法,构建了融合反射率和冠层SIF数据的小麦...     

三七根际链霉菌Streptomyces sp.YNUCC0233木聚糖酶性质研究

从三七根际分离到一株产木聚糖酶链霉菌Streptomycessp.YNUCC0233。该菌所产生的木聚糖酶的最适反应温度为67℃,最适pH为6.0,在pH5.0~9.0和60℃以下时相对稳定。Ba2 和K 对该木聚糖酶有较强的促进作用,Hg2 、Cu2 、Mn2 、Co2 、Ni2 和EDTA对该酶有较强的抑制作用。对Streptomycessp.YNUCC023316SrDNA的1105bp片段的序列分析结果表明,Streptomycessp.YNUCC0233的16SrDNA片段与GenBank中所有已注册的链霉菌分类单位均不同。     

Unsupervised discrimination between lodged and non-lodged winter wheat: a case study using a low-cost unmanned aerial vehicle

Wheat lodging significantly reduce the grain yield and quality. Mapping wheat lodging timely and accurately can help farmers get full compensatory damages in time. Therefore, the objective of this study was to employ a low-cost unmanned aerial vehicle (UAV) carrying a Red-Green-Blue camera to discriminate lodged from non-lodged wheat effectively. Low-cost UAV is easier to be accepted by Chinese farmers most of whom manage small-scale farms. After comparing a variety of colour features as well as their texture features, this study found that the texture feature of mean of G/B (digital number ratio of the green band to the blue band) derived from occurrence measures was the optimum discriminator of lodged and non-lodged wheat. This discriminator was still effective although the spatial spectral variations in the study area were much more complex than that in previous studies. With an unsupervised method based on the discriminator, the UAV system was able to discriminate lodged wheat from non-lodged wheat. The resultant of overall accuracy was 89.55% and Kappa coefficient was 0.76. The producer’s accuracies were 81.23% and 93.62%, whereas the user’s accuracies were 86.15% and 91.08% for lodged and non-lodged wheat, respectively. The retrieved wheat lodging distribution map showed a substantial agreement with ground reference data.