甘蔗叶(梢)栽培毛木耳配方优化试验

【目的】充分利用甘蔗种植废弃物甘蔗叶(梢),降低毛木耳(Auricularia polytricha)栽培成本。【方法】采用单因素试验法确定以甘蔗叶(梢)为主要原料的毛木耳栽培配方。【结果】以55%甘蔗叶(梢)为主要原料加上杂木糠30%、麸皮13%、过磷酸钙1%、石膏粉1%为配方栽培毛木耳,鲜耳产量高,而原料成本比以棉籽壳为主要原料的配方低149.2%。【结论】以甘蔗叶为主要原料栽培毛木耳综合效果更好。     

蔗渣乙醇预处理及其对酶解的影响

采用自催化乙醇法对蔗渣原料进行预处理,并通过傅里叶变换红外光谱、扫描电镜、X射线衍射仪对预处理样品进行分析,然后进行酶解.结果表明:蔗渣原料经乙醇预处理后,有大量木质素溶出和半纤维素水解;预处理样品的相对结晶度提高了32.97%;蔗渣纤维表面碎化,细小纤维暴露出来,极大地提高了酶解效率;当温度为195℃、乙醇体积分数为40%、保温时间为30min时,蔗渣原料木素去除率为57.97%,此时100g蔗渣原料经此预处理所得预处理液中的木糖量为8.59g,占原料中总木糖的35.16%,预处理样经酶解,所得酶解液中葡萄糖含量为40.29g,占原料中总葡萄糖的92.15%;初步实现了蔗渣原料中半纤维素和纤维素的逐步分离,同时得到大量乙醇木素;最优酶用量为10FPU/g(以每克固体浆料计),固液比为1∶40(g/mL).     

利用重组自交系群体进行抗玉米矮花叶病研究

玉米矮花叶病在世界范围内广泛分布，且危害十分严重．因此正确认识玉米（Zea mays L．）对矮花叶病的抗性机制非常必要．基于此，本研究利用遗传差异较大的Mo17（高感玉米矮花叶病）和黄早四（高抗玉米矮花叶病）为亲本采用一粒传法构建了F9代重组自交系（Recombinant inbred line，RIL）分离群体，共256系．通过人工接甘蔗花叶病毒MDB株系（Sugarcane mosaic virus strain MDB, SCMV-MDB）对该分离群体进行了抗病性分析，统计了发病率和病情指数两项指标，根据这两项指标的频数分布图可知：玉米对矮花叶病的抗性主要由主基因控制，但不能排除还有微效基因的可能性．     

甘蔗组织培养中不同阶段的抗生素及PPT抗性筛选试验

本试验在甘蔗高效再生体系的基础上,在心叶愈伤组织诱导、胚性愈伤组织芽分化、生长以及生根各阶段的培养基中,分别附加不同质量浓度的G418、潮霉素(Hyg)和除草剂PPT3种选择性试剂,以确定甘蔗遗传转化所用的最佳筛选浓度.试验表明:福农81-745(糖蔗)与Badila(果蔗)2个品种对G418、Hyg和PPT的抗性差异不大;G418、潮霉素和PPT在甘蔗组培各个阶段均对外植体有强烈的抑制作用.因此建议在甘蔗遗传转化中,G418和Hyg对甘蔗愈伤组织诱导生长,芽分化、生长及试管苗生根3个阶段的抗性筛选质量浓度均为30mg·L-1;PPT对愈伤诱导生长和芽分化、生长2个阶段的抗性筛选质量浓度为0.75mg·L-1,而生根阶段为1.00mg·L-1.     

云南甘蔗主要害虫寄蝇

报道了云南甘蔗主要害虫寄蝇的种类分布及其寄主     

甘蔗杂交亲本的盆栽技术

简要阐述了甘蔗杂交亲本的盆栽技术,并指出盆栽过程中育出具有足够株龄的健壮植株应注意的四个关键环节     

甘蔗联合固氮菌对甘蔗叶片养分含量的影响

分析从广西不同地方、不同品种的甘蔗分离到的甘蔗联合固氮菌若干株的固氮酶活性,并将这些菌株接种甘蔗,分析接种了甘蔗联合固氮菌的甘蔗根组织的固氮酶活性,研究它们对甘蔗叶中氮、磷、钾及微量元素含量的影响。     

浓酸水解蔗渣纤维质的动力学研究

研究硫酸和磷酸水解蔗渣的动力学。考察了酸浓度、固液比、粒度、温度对水解速率和糖产率的影响，以及水解蔗渣的结构特征，如电镜扫描颗粒表面、Ｘ—衍射结晶和比表面积等的变化，并建立了水解的动力学模型。     

两个优良凉蔗品种(系)的ISSR分子鉴别

本研究利用筛选出的10个ISSR 引物对两个甘蔗优良品系的基因组DNA 进行扩增,共扩增出126条条带,多态性比率分别是81.7%和80.2%。从中筛选出3对带型分布均匀、多态性丰富且分辨能力强的引物, 对两个凉蔗品种(系)进行分子标记鉴别。结果表明, 两品种间的谱带基本相同,但均存在02-6和02-186特有的谱带,这表明了两品种间在DNA 水平上存在真实的遗传差异,834、844和846引物利用特殊ISSR 标记的存在或缺失鉴别了两个凉蔗品种(系)。此结果为后续应用分子标记方法鉴别甘蔗品种及选育新品种提供重要依据。     

甘蔗收获机剥叶性能评价中权重确定的BP网络方法

为了解决甘蔗收获机械剥叶性能评价中权重确定的关键问题,构建了三层前馈BP神经网络,并采用正交试验数据构造训练样本,以提高训练速度及精度．在此基础上通过运用经训练后的BP神经网络的各连接权值,确定了反映各目标因素对评价指标影响程度的权重值．运用BP神经网络方法可确保经确定的权重能如实地及映出各目标因素对评价指标的重要程度．