镉(Cd2+)对盐生植物盐芥种子萌发和生长的影响

笔者以盐生植物盐芥为材料,研究了不同浓度的镉(Cd2+)对种子萌发和生长的影响,以期为利用盐芥修复黄河三角洲等滨海盐碱地重金属污染提供依据.结果表明,当Cd2+浓度为0.25 mmol·L-时,盐芥种子的萌发率、发芽指数、发芽势和活力指数均下降,并且抑制了盐芥子叶的生长.随着镉浓度的增加,抑制作用明显增强,当镉浓度大于0.75 mmol·L-1时盐芥种子的活力指数为0,子叶也停止生长.而且把未萌发的种子转移到不含镉的培养基上恢复后仍不再萌发.镉胁迫对盐芥根和芽的长度及生物量的抑制作用也随着Cd2+浓度的升高而增强,且对根的抑制效应大于芽.这些结果说明盐芥在萌发阶段对镉具有一定耐受性,但高浓度镉胁迫导致盐芥种子发生了不可逆的毒害.     

PEG胁迫对八棱海棠种子萌发及幼苗生理的影响

本文以八棱海棠种子为试材,利用不同浓度PEG溶液模拟干旱条件,研究了干旱胁迫对八棱海棠种子萌发及幼苗生理的影响。结果表明：经PEG处理的种子,其相对发芽率、发芽势、发芽指数以及活力指数均随着胁迫强度的增大而逐渐降低。幼苗SOD酶活性随着PEG浓度的增加而逐渐增大,POD酶活性则相反。MDA和脯氨酸含量随着胁迫强度的增大而增大,说明PEG浓度越大对幼苗有更深的伤害。     

不同土壤对心叶烟和三生烟种子萌发率的影响

测定了四种不同土壤的基本理化性质,并分别用其培育心叶烟和三生烟种子,统计两种烟草种子在四种土壤中的萌发率.结果表明:两品种烟草种子萌发率在育烟基质与其他3种土壤间有极显著差异(p<0.01),而在两烟草品种间差异不显著.     

自主机器人指定颜色形状属性物体的识别方法

机器人在自主行进的过程中,依靠视觉系统自动捕捉目标,并将目标物识别出,是智能机器人的关键技术之一。为解决机器人移动过程中对已知颜色形状属性的目标物的识别问题,对基于YUV颜色空间的种子填充彩色图像分割方法进行改进,在各种背景下有效地实现机器人视觉系统对已知颜色形状的目标物的识别,对变化光照具有较强的适应性。     

我国北方地区雨养旱地高产栽培技术模式浅议

对我国北方地区雨养旱地农业的3种技术模式进行了综述,总结了这3种技术模式的优缺点,阐述了这3种技术模式在我国的发展状况,为解决我国北方无灌溉条件的旱作农业及旱地高产栽培提供了理论依据。     

基于有限元分析的摩托车车体载荷谱编制

在采用电测方法进行载荷实际测试时,由于结构复杂致使贴片位置受到限制,难以准确测取危险点应力状态,提出了基于应力转换(即将摩托车车体上易测点的应力转换为最危险点处的应力)的编谱方法.获得转换后的应力-时问历程后,经雨流计数和不同工况下数据的综合分析,编制了车体最危险点处的疲劳载荷谱,为车体疲劳寿命评估和改善车体质量等提供了重要的载荷依据.     

从《雨中的猫》看海明威的生态女性意识

生态女性主义是妇女解放运动和环境保护运动相结合的产物,它追求整体和谐与生命解放,反对压迫。生态女性主义的理想是建立一个生态的、可持续的社会。在这个社会中,人类与自然、男性与女性平等相处、相互依存、和谐发展、共同繁荣。本文旨在运用生态女性主义的观点分析海明威在《雨中的猫》中所体现的生态女性意识。     

铝浸种对小白菜种子萌发和幼苗生理特性的影响

以2个小白菜品种南京长梗和抗热605为试验材料,研究了不同浓度铝浸种后种子萌发和幼苗生理特性的变化.结果 表明,10～5000μmol/L的铝浸种处理对2个小白菜品种的发芽率无明显影响.5000 μmol/L的铝处理显著降低了小白菜的发芽势、发芽指数和活力指数.种子萌发后,南京长梗和抗热605分别在100和1000 μmol/L的铝处理时根长、根重和茎重显著降低.10～100 μmol/L铝处理对小白菜叶片丙二醛(MDA)含量和过氧化物酶(POD)活性影响较小,但中高浓度铝处理(1000～5000 μmol/L)显著增加了MDA含量和POD活性.可溶性糖(SS)含量随铝浓度的增加呈现出先降低后增加的趋势.这些结果表明,小白菜种子萌发期较幼苗期有更强的耐铝性,不同小白菜基因型品种对铝的反应存在一定的差异性.中高浓度铝处理(1000～5000μmol/L)对小白菜的伤害与细胞内活性氧自由基大量积累有关,而POD活性和可溶性糖含量升高则有助于缓解铝毒害.     

华山松种子生活力四唑测定判定法

以华山松种子为研究材料,通过研究不同质量分数(０.２％、０.５％)四唑溶液、不同染色温度和不同染色时间对华山松 种子生活力的影响,探索出测定华山松种子生活力的最佳条件。 通过萌发率对比,得出:在 ３０ ℃下用质量分数为 ０.５％的四唑 溶液染色为最佳染色条件,且染色时间仅需要 ５ ｈ;胚全部染色,胚乳未染色面积小于 １ / ３ 的种子具有生活力。     

基于局部邻域连通性的重叠社区发现算法

发现复杂网络中的重叠社区是目前复杂网络分析的重要内容。选择社区代表性强的节点作为种子节点进行扩展是基于种子扩展策略重叠社区发现算法的关键,提出了一种基于度信息和邻域连通性的节点邻域中心性度量指标,并在此基础上提出了一种基于局部邻域连通性的重叠社区发现算法（Local Neighbor-hood Connectivitybased overlapping community detection Algorithm,LNCA）。首先计算每个节点的局部邻域连通熵和邻域中心性cc,选择中心性高的节点作为种子节点;然后采用带重启的随机游走策略扩展种子节点并得到初始社区;最后合并重叠度较大的社区得到最终社区发现结果。在6个带真实社区标签的网络和9个无真实社区标签的网络上,与SLP A、DEMON、CPM、Node_Perception、Ego_Networks、Egonet_Splitter等6个经典重叠社区发现算法进行比较,结果表明,在带标签网络上,LNCA算法在重叠NMI和F1分数上优于多数对比算法,可得到与网络真实社区更匹配的社区结...