排序方式: 共有39条查询结果,搜索用时 15 毫秒
21.
乡村旅游是旅游者与目的地农村资源互动的一种旅游方式,为了保持乡村旅游与目的地农村经济的协调发展,本文以连云港为例,在研究二者关系的基础上,提出了建立利益反馈机制、打造特色品牌、规范管理体系的对策与建议。 相似文献
22.
23.
冰草属植物醇溶蛋白遗传分析与评价 总被引:3,自引:1,他引:2
利用A-PAGE酸性聚丙烯酰胺凝胶电泳技术,对采自内蒙古、河北、山西、宁夏、甘肃和吉林6省,经引种栽培筛选出的5种12个冰草属植物居群醇溶蛋白进行遗传结构分析和评价研究。结果表明,供试材料总计电泳出了37条相对迁移率不同的醇溶蛋白带纹,在α、β、γ、ω区分别有5、15、10和7条,4条谱带为稳定表达带,多态率89.19%。不同物种居群间蛋白多样性丰富程度不同,冰草醇溶蛋白遗传多样性指数最丰富。其次为蒙古冰草,遗传多样性相对最低的为细茎冰草。种间遗传分化占冰草属物种遗传多样性的78.70%;冰草地区间的遗传多样性占总体遗传多样性的73.31%。Jaccard系数为0.498时聚为4类,同种不同材料基本能够聚在一起,但有交叉现象;地理分布相近的物种聚类在一起。 相似文献
24.
基于LSP与GLCM融合的禾本科牧草种子特征提取算法 总被引:1,自引:1,他引:0
针对禾本科牧草种子相似性较高、识别困难的问题,采用局部相似模式(LSP)和灰度共生矩阵(GLCM)的方法,对禾本科牧草种子的分类识别进行研究。结果表明:1)局部相似模式与灰度共生矩阵融合的方法可以有效的提取禾本科牧草种子的纹理特征,能够识别颜色、形状、大小等特征都十分相似的牧草种子,且其识别率优于传统的LSP特征算子和GLCM特征算子。2)与传统LSP算法相比,结合灰度共生矩阵算法后,得到的特征受到相似种类种子图像的影响较小,具有更广泛的适应性。因此,基于LSP和GLCM的融合算法可以有效地提取相似禾本科种子图像的纹理统计特征,采用线性判别分析分类器(LDA)进行分类,识别率最高达到98.64%。 相似文献
25.
为了解不同草原生态区域扁穗雀麦(Bromus catharticus Vahl.)的形态变异及其亲缘关系,对17份种质材料的27个形态性状进行测定和分析。结果显示:其形态遗传变异较高,变异系数范围在9.13%~54.76%之间,变异系数较大的性状有小穗数、分蘖数、分枝着生小穗数、叶片长、秆直径、分枝长和株高等;变异系数较小的性状有穗节数、小穗轴节间长、小穗长、外稃长、内稃长、叶舌长、内稃宽、花药长、第二颖脉数、外稃宽等。叶片宽、分枝长、穗长、叶片长、秆直径、株高、小穗含小花数、小花数、小穗宽、花药长、小穗轴节间长等11个指标对总变异的贡献最大。并对27个性状进行了分类和性状间相关性聚类研究,17份材料聚类分析展示了不同材料间的亲缘关系。此形态变异研究为深入研究种质资源及育种提供了科学依据。 相似文献
26.
27.
6种鹅观草属植物叶片形态解剖特征比较 总被引:1,自引:0,他引:1
为比较鹅观草属(Roegneria C.Koch.)不同种植物间的叶片形态解剖特征,将不同来源的6种鹅观草属植物在内蒙古太仆寺旗典型草原(中国农业科学院太仆寺旗草地资源生态监测与评价野外科学观测试验站)种植,运用刮片法和石蜡切片法将其成熟叶片制成切片,光学显微镜下观察叶片下表皮的4项表型性状,并测定叶片下表皮和叶横切面的17项数量性状指标。结果表明:6种鹅观草属植物叶片表型特征较一致,测量指标中气孔长宽比和长细胞长度变异系数较大。方差分析表明,叶中脉厚、叶厚、上表皮厚、气孔指数等12项指标在6种植物间差异均达到显著或极显著水平,因此这些指标能作为鹅观草属内种间的分类依据。主成分分析表明,17项数量指标的主要信息集中在前3个主成分上,分别是叶片储水和输水功能结构、叶片表皮特征结构以及抵抗逆境的结构。聚类分析将这6种植物聚成3类,即黑药鹅观草(R.melanthera Keng)和垂穗鹅观草(R.nutans Keng)各为一类,纤毛鹅观草(R.ciliaris Nevski)、多变鹅观草(R.varia Keng)、直穗鹅观草(R.turczaninovii Nevski)和肃草(R.stricta Keng)聚为另一类,这与该属植物形态学上的分类相同。因此,叶片解剖结构特征可以作为分类学上的重要依据。 相似文献
28.
为了调查收集珍稀濒危沙芦草种质资源,提高保护利用效率,以76份沙芦草种质为材料,测定26个表型性状数据,采用2种遗传距离、3种取样方法、8种系统聚类方法和7种取样比例构建了55组候选沙芦草核心种质,利用筛选得到的最佳构建方案构建初级核心种质;应用均值差异百分率(MD)、方差差异百分率(VD)、极差符合率(CR)和变异系数变化率(VR)4个参数检验各取样策略的优劣。同时,以t检验对核心种质的变异程度及代表性进行评价,并用主成分分析法对核心种质进行确认。结果表明:“多次聚类偏离度取样法+欧式距离+可变类平均法+25%的取样比例”是构建沙芦草初级核心种质取样最佳策略;核心种质的主成分累计贡献率高于原种质,表明核心种质均匀分布在原始种质范围内,无重叠现象,有效地避免了核心种质的冗余;构建的19份沙芦草种质资源初级核心种质有效且质量较高,能够在保证冗余较少的情况下充分代表原种质遗传差异。 相似文献
29.
针对目前识别牧草种子存在主要依赖于耗时费力的人工种植识别、自动化程度低等问题,本文提出并构建了基于深度学习的多层卷积神经网络禾本科牧草种子分类识别模型.通过改进单层卷积层优化提取牧草种子深度特征,并通过softmax种子分类器对10类禾本科牧草种子进行训练与分类,同时与其他分类识别方法进行比较分析.结果 表明:本模型对... 相似文献
30.