本研究以荔浦芋头为材料,经人工损伤处理后,以自然愈伤(CK)为对照,65℃热水快速热激处理(heat water treatment,HWT)和30℃热空气处理(hot air treatment,HAT)为实验组,分别在0、2、4、6、14 d观察愈伤期间芋头球茎伤口外观、木栓层截...本研究以荔浦芋头为材料,经人工损伤处理后,以自然愈伤(CK)为对照,65℃热水快速热激处理(heat water treatment,HWT)和30℃热空气处理(hot air treatment,HAT)为实验组,分别在0、2、4、6、14 d观察愈伤期间芋头球茎伤口外观、木栓层截面厚度、木质素染色情况;同时测定芋头球茎愈伤组织形成期间伤口处活性氧含量和代谢酶、木质素积累和合成酶活性变化规律。结果表明,在愈伤形成过程中,愈伤组织木栓层厚度、总酚、类黄酮、木质素积累不断增加,HAT组含量显著高于其他两组,且HAT组在2~4 d时,即可形成致密的愈伤木栓层,明显早于其他两处理组。在2 d时,HAT组较CK和HWT组O_(2)^(-)·和H_(2)O_(2)迅速积累,活性氧清除酶超氧化物歧化酶、过氧化氢酶活性出现峰值(分别为1685.628、37.380 U/g,P<0.05),木质素合成酶苯丙氨酸解氨酶和4-香豆酸:辅酶A连接酶活性均在此刻达到酶活性峰值(分别为544.697、123.221 U/g,P<0.05),过氧化物酶活性不断增加,显著高于CK和HWT组。综上所述,HAT可诱导活性氧积累和代谢的快速响应,加速苯丙烷代谢途径中关键酶的生成,促进总酚、类黄酮、木质素积累,加速芋头球茎愈伤组织的形成。展开更多
精确监测作物生长状况对于实现精准农业管理和提高作物产量具有极为重要的意义。尤其对于花生这种经济价值高,对生长条件要求严格的作物而言,采用高效、精确的技术监测其生长状态,可以显著提升管理效率和产量。本研究通过整合无人机和...精确监测作物生长状况对于实现精准农业管理和提高作物产量具有极为重要的意义。尤其对于花生这种经济价值高,对生长条件要求严格的作物而言,采用高效、精确的技术监测其生长状态,可以显著提升管理效率和产量。本研究通过整合无人机和多光谱成像技术,结合偏最小二乘(Partial Least Squares,PLS)算法对大田花生的生长状况进行了综合监测,探讨了这一技术在花生长势监测中的应用潜力和优势。研究选取了具有代表性的花生种植区作为试验地,利用无人机搭载的多光谱成像仪进行数据采集。通过对多光谱数据进行多维度分析,获取花生的叶绿素含量、株高等外部表型以及生物量信息,从而综合表征花生长势情况。本研究所建立的评估模型,能够准确描述和预测花生长势。通过与地面观测数据对比,模型预测的生物量结果与实际情况的R 2和RMSE分别为0.624和0.012,显示基于无人机多光谱的花生长势监测具有高精度和可靠性。证明无人机搭载多光谱在花生生长监测中的应用可行性和有效性,为未来精准农业的发展提供了新的技术手段。展开更多
文摘本研究以荔浦芋头为材料,经人工损伤处理后,以自然愈伤(CK)为对照,65℃热水快速热激处理(heat water treatment,HWT)和30℃热空气处理(hot air treatment,HAT)为实验组,分别在0、2、4、6、14 d观察愈伤期间芋头球茎伤口外观、木栓层截面厚度、木质素染色情况;同时测定芋头球茎愈伤组织形成期间伤口处活性氧含量和代谢酶、木质素积累和合成酶活性变化规律。结果表明,在愈伤形成过程中,愈伤组织木栓层厚度、总酚、类黄酮、木质素积累不断增加,HAT组含量显著高于其他两组,且HAT组在2~4 d时,即可形成致密的愈伤木栓层,明显早于其他两处理组。在2 d时,HAT组较CK和HWT组O_(2)^(-)·和H_(2)O_(2)迅速积累,活性氧清除酶超氧化物歧化酶、过氧化氢酶活性出现峰值(分别为1685.628、37.380 U/g,P<0.05),木质素合成酶苯丙氨酸解氨酶和4-香豆酸:辅酶A连接酶活性均在此刻达到酶活性峰值(分别为544.697、123.221 U/g,P<0.05),过氧化物酶活性不断增加,显著高于CK和HWT组。综上所述,HAT可诱导活性氧积累和代谢的快速响应,加速苯丙烷代谢途径中关键酶的生成,促进总酚、类黄酮、木质素积累,加速芋头球茎愈伤组织的形成。
文摘精确监测作物生长状况对于实现精准农业管理和提高作物产量具有极为重要的意义。尤其对于花生这种经济价值高,对生长条件要求严格的作物而言,采用高效、精确的技术监测其生长状态,可以显著提升管理效率和产量。本研究通过整合无人机和多光谱成像技术,结合偏最小二乘(Partial Least Squares,PLS)算法对大田花生的生长状况进行了综合监测,探讨了这一技术在花生长势监测中的应用潜力和优势。研究选取了具有代表性的花生种植区作为试验地,利用无人机搭载的多光谱成像仪进行数据采集。通过对多光谱数据进行多维度分析,获取花生的叶绿素含量、株高等外部表型以及生物量信息,从而综合表征花生长势情况。本研究所建立的评估模型,能够准确描述和预测花生长势。通过与地面观测数据对比,模型预测的生物量结果与实际情况的R 2和RMSE分别为0.624和0.012,显示基于无人机多光谱的花生长势监测具有高精度和可靠性。证明无人机搭载多光谱在花生生长监测中的应用可行性和有效性,为未来精准农业的发展提供了新的技术手段。
