控释尿素条施深度对鲜食玉米田间氨挥发和氮肥利用率的影响

为提高鲜食玉米一次性施肥的氮肥利用率并降低氮肥的环境影响,通过田间试验,以不施氮处理为对照(CK),研究了控释尿素不同条施深度(0、5、10、15、20 cm)对鲜食玉米田间土壤氨挥发特征、鲜穗产量和氮肥利用率的影响. 结果表明: 玉米种植带和宽行非施肥带的土壤氨挥发主要发生在施肥后的前2周,而窄行施肥带的土壤氨挥发在施肥后持续约1个月. 与CK相比,控释尿素表施(0 cm)处理不仅大幅度地提高了窄行施肥带的氨挥发损失量,同时也显著增加了玉米种植带和宽行非施肥带的氨挥发损失量. 不同深度施肥处理全生育期土壤氨挥发损失总量差异较大,为3.1～25.5 kg N·hm^-2,占施氮量的1.7%～14.2%.其中控释尿素条施10、15和20 cm深度处理的全生育期土壤氨挥发损失总量相差不大,分别较表施(0 cm)和浅施(5 cm)处理显著降低了85.9%～87.8%和67.0%～71.6%. 在一定范围内增加控释尿素条施深度有利于提高鲜穗产量、植株氮积累量以及氮肥偏生产力、氮肥农学利用率和氮肥表观利用率,各指标均以15 cm深度处理最高. 综上所述,控释尿素合理深施可以显著降低氨挥发损失,提高鲜穗产量和氮肥利用效率,本研究条件下控释尿素的最适宜施用深度为15 cm.     

赤峰市敖汉旗土壤有机碳含量的垂直分布及其影响因素

选取内蒙古赤峰市敖汉旗为研究对象,运用广义相加模型—分析敖汉旗0—100 cm深度土壤有机碳含量的空间变异特征,分析影响土壤有机碳空间变异的主导因素。结果表明,0—100 cm深度土壤有机碳含量的变化范围为0.23—20.71 g/kg,且随着土壤深度的增加有机碳含量逐渐降低。广义相加模型可以较为准确地解释土壤有机碳含量与环境因素之间的关系。植被因素的变化是影响表层土壤有机碳含量最重要的因素;在深层土壤中,含水率的变化是影响有机碳含量的主要因素。影响土壤有机碳空间变异的主导因素随着土壤深度的变化也表现出较大的差异。     

土埋深度影响物种水平的种子质量-种子出苗关系

种子出苗对种间关系和群落组成具有重要影响。种内研究表明种子质量与种子出苗之间存在正相关关系, 但这种关系很少在物种水平进行检验, 尤其是在不同土壤埋藏深度条件下。为此, 该文开展了一个因子实验(10种植物和5种土埋深度(0、1、2、4和8 cm))以检验是否在不同土层中“种子质量-种子出苗之间的正相关关系”始终存在。该文在不同土埋深度播种50粒种子(重复5次), 连续30天观测种子出苗, 并提出了一个耐土埋性指标。结果表明: (1) 10种植物的最适出苗深度为0-2 cm土层; 6种植物的最大出苗率发生在1 cm土埋深度。(2)种子质量与耐土埋性之间存在显著的正相关关系, 种子质量越大耐土埋性越强, 适宜出苗的土层越深。(3)当土层较深(4或8 cm)时, 种子出苗率和持续出苗时间随种子质量增加而增大, 种子出苗率与持续出苗时间之间存在正相关关系; 这些关系在较浅土层(0、1或2 cm)并不存在。这些结果有助于进一步理解种子大小与出苗之间的关系, 以及种子出苗过程中的策略。     

基于精神影像和人工智能的抑郁症客观生物学标志物研究进展

抑郁症是当今社会上造成首要危害且病因和病理机制最为复杂的精神疾病之一,寻找抑郁症的客观生物学标志物一直是精神医学研究和临床实践的重点和难点,而结合人工智能技术的磁共振影像(magnetic resonance imaging,MRI)技术被认为是目前抑郁症等精神疾病中最有可能率先取得突破进展的客观生物学标志物.然而,当前基于精神影像学的潜在抑郁症客观生物学标志物还未得到一致结论 .本文从精神影像学和以机器学习(machine learning,ML)与深度学习(deep learning, DL)等为代表的人工智能技术相结合的角度,首次从疾病诊断、预防和治疗等三大临床实践环节对抑郁症辅助诊疗的相关研究进行归纳分析,我们发现:a.具有诊断价值的脑区主要集中在楔前叶、扣带回、顶下缘角回、脑岛、丘脑以及海马等;b.具有预防价值的脑区主要集中在楔前叶、中央后回、背外侧前额叶、眶额叶、颞中回等;c.具有预测治疗反应价值的脑区主要集中在楔前叶、扣带回、顶下缘角回、额中回、枕中回、枕下回、舌回等.未来的研究可以通过多中心协作和数据变换提高样本量,同时将多元化的非影像学数据应用于数据挖掘,这将有利于提高人工智能模型的辅助分类能力,为探寻抑郁症的精神影像学客观生物学标志物及其临床应用提供科学证据和参考依据.     

肥胖与慢性炎症

肥胖及其相关的代谢类疾病严重影响人类的健康,而肥胖诱导的慢性炎症是胰岛素抵抗和代谢综合症发病的关键因素.脂肪组织慢性炎症发生的机制及其与代谢综合症的关系已经成为全球瞩目的研究热点.慢性炎症的特征主要包括脂肪组织中促炎细胞因子表达量增加,抗炎细胞因子表达量降低以及大量巨噬细胞浸润.鉴于肥胖及其相关代谢综合症对人类健康的巨大危害,现对慢性炎症的发生机制,肥胖和慢性炎症之间的关系,脂肪组织炎症中巨噬细胞浸润以及和信号传导通路进行综述.     

利用RNAi逆转录病毒载体系统对人朊病毒蛋白表达的稳定抑制

朊病毒是引起可传染的致死性海绵状脑病的致病因子,细胞中正常的朊病毒蛋白(PrPC)在该疾病病程发展中起着必不可少的作用。同时,PrPC已被证明在胃癌、乳腺癌等癌症中发挥着保护癌细胞的作用。根据人源PrPC(HuPrPC)cDNA序列,本研究设计了4种19nt的siRNA,将其构建成RNAi逆转录病毒载体系统,进行了其对HuPrPC表达的抑制效应的分析,从中获得了能高效稳定抑制HuPrPC表达的3种靶向序列,其中si626(5′-GGTTGAGCAGATGTGTATC-3′)的抑制效果最为明显,其抑制效率可达85%以上。随后,利用筛选出的si292和si626的稳定干扰细胞系进行了细胞浸润性实验,结果发现,PrPC干扰细胞系细胞浸润能力显著下降。这为进一步研究朊病毒疾病的基因治疗、以PrPC为靶标进行PrPC相关癌症的辅助治疗研究奠定了一定的基础。     

目标物体尺寸的大小对小鼠空间深度感知的影响

探索了小鼠在排除透视、遮挡等空间深度的线索下,是否是依靠视觉目标的尺寸大小来感知空间深度.小鼠放置于可以调节高度的高台上,高台位于仅底面有光线照明、四周黑暗的实验箱内.将由格子构成底部面板的尺寸设计为小鼠估计高度距离的唯一线索,设置了3个空间尺度的底板,分别按2/3的比例缩小,并设置7个高度.在同一高度下每测试一轮即对底板的尺寸进行随机变换.记录小鼠跳落前在高台上停留的时间,研究小鼠对高度的判断是否受到底板尺寸的影响.结果表明所有大小线索条件下小鼠在高台上停留的时间随高度的增加而延长.在20～30cm的高度范围,小鼠不以大小为线索的信息来判断深度,可能主要以双眼视差产生的深度信息来判断高度.而在小于20cm和大于30cm的高度范围,特别是在更高的距离上如50cm、60cm和70cm,小鼠以目标大小信息为线索来对深度进行判断,以弥补在这些条件下双眼深度信息的不足.在理论上说这是由于小鼠只有三分之一的(中央)视野为双眼视野区.实验的行为范式可以应用到以转基因鼠为模式生物的实验中,以研究此类行为与基因之间的关系.     

干湿交替运行对地下渗滤系统脱氮效果的影响

利用室内模拟系统,在进水铵氮(NH4+-N)浓度30～37.5mg·L-1、水力负荷0.08m3.m-2.d-1的条件下,考察了干湿交替运行对污水地下渗滤系统脱氮效果的影响,分析了干湿比对基质理化性质、脱氮微生物数量以及基质氧化还原电位(ORP)变化的影响。结果表明,基质渗透率和硝化细菌的数量随干湿比的增加而增加,反硝化细菌的数量则随干湿比的增加而减少,比容积和氨化细菌的数量受干湿比的影响较小,各深度基质层ORP均随干湿交替运行而高低起伏。推荐地下渗滤系统启动期的干湿比3∶1,启动周期为20d;稳定运行期干湿比1∶1,NH4+-N及TN的去除率可分别达到86.9%和79.1%,同时,有机污染物去除效果好,出水水质满足再生利用-景观环境用水水质标准(GB/T18921—2002)。     

基于多源遥感数据协同的滇西北森林郁闭度估测

森林郁闭度(FCC)是评价森林资源和生物多样性的重要参数,利用多源遥感协同手段以较小成本高精度实现区域FCC反演是当前研究热点。本研究以星载激光雷达ICESat-2/ATLAS为主要信息源,结合54块实测样地数据,采用贝叶斯优化(BO)算法改进后的随机森林(RF)、K-最近邻值法(KNN)、梯度回归(GBRT)模型获取光斑尺度ATLAS光斑内FCC,协同多源遥感影像Sentinel-1/2及地形因子基于BO算法优化后的全连接深度神经网络模型(DNN)进行区域尺度的滇西北香格里拉市FCC遥感估测。结果表明：在提取的50个ATLAS激光雷达光斑参数指标中,经RF特征变量优选后,6个特征参数(乔木冠层百分比、冠层顶光子相对高度的标准差、冠层高度最小值、区段内98%冠层高度值与冠层高度中位数的差值、冠层顶部光子数、表观反射率)贡献率较大,可作为光斑尺度遥感估测模型变量。在BO-RF、BO-KNN、BO-GBRT模型中,以BO-GBRT模型估测的FCC结果最优,留一交叉验证的决定系数(R²)为0.65、均方根误差(RMSE)为0.10、绝对残差均值(RS)为0.079,预测...     

基于音节聚类分析的被动声学监测技术及其在鸟类监测中的应用

被动声学监测通过分析鸟鸣声信息来实现物种识别,为鸟类多样性监测提供了一种切实可行的技术方案。由于鸟种的鸣声复杂多变,如何通过声纹快速准确辨别物种,分析鸟类丰度,降低对人工操作的需求等技术难题,成为基于声纹的鸟类多样性监测所面临的挑战。本文提出了基于音节聚类的鸟类鸣声监测框架:首先通过音高、频率平坦度等音频特征在声纹数据中提取音节,然后通过无监督表征学习与狄利克雷过程(Dirichlet process)混合模型对音节进行深度无监督聚类训练,完成音节聚类和自动音节种类推断。分析结果表明,本文提出的基于音节聚类的鸟类鸣声监测框架在处理开源数据集白腰文鸟(Lonchura striata)的曲目时可获得接近90%的聚类准确率。在此基础上,本研究对2022年4-5月在广州市白云山公园固定监测点所录制的10种鸟类鸣声进行了无监督的音节聚类分析,验证了本文所提出的基于音节聚类的鸟类鸣声监测框架的有效性:本技术不仅可以支持快速鸟类物种识别,还可以统计和分析不同物种鸟鸣在时间、频度、数量上的变化。这些结果表明,基于音节聚类的鸟类鸣声监测框架可以显著降低对人工标注训练数据的要求,克服传统鸟鸣物种识别框架...