XiaoMi-AI文件搜索系统
World File Search SystemAgronomic
利用精准农业数据研究湿地对农作物产量的农艺和经济影响
背景：湿地排水已成为北美草原坑洼地区越来越重要的保护问题。几十年来，对一年生作物生产的经济激励推动了湿地排水，而湿地的去除对关键的湿地生态系统服务产生了不利影响，如野生动物栖息地和碳封存。过去研究模拟农民排干湿地的决定，通常假设排干的湿地将产生与田地高地相似的产量。目标：我们的目标是评估湿地及其缓冲区对草原坑洼地区作物产量、农场财务绩效和湿地排水激励措施的影响。方法：我们结合加拿大萨斯喀彻温省黑土和深棕壤带 36 块田地的精确产量数据和详细的湿地测绘数据，以估计湿地及其缓冲区对作物产量的农学影响。然后，我们将这些产量效应纳入具有三种湿地排水情景的农场核算模型，以估算研究区域湿地排水每年每英亩耕地的净收益，并将这些结果与没有湿地产量效应的估计结果进行比较。结果：我们发现湿地盆地的产量相对低于田地的平均产量，并且与作物类型、土壤区域和年降水量之间存在很大差异。湿地排水可以缓解
柑橘植物育种新技术用于改良重要农艺性状。综述
新型植物育种技术 (NPBT) 旨在突破果树品种的传统育种限制，以获得感官性状改良、抗生物和非生物胁迫的新品种，并通过（克隆）选择保持数百年来的果实品质。了解控制特定性状的基因对于 NPBT 的使用至关重要，例如基因组编辑和同源杂交。在研究包括柑橘在内的果树品种的国际科学界框架内，NPBT 主要用于应对病原体威胁。柑橘可以利用 NPBT，因为它具有复杂的物种生物学（无籽、无融合生殖、高杂合性和长幼期）和体外操作能力。据我们所知，通过转基因对柑橘进行基因组编辑已成功利用抗性基因 CsLOB1 在甜橙和葡萄柚中诱导出对柑橘细菌性溃疡病的抗性。未来，NPBT 还将用于改善果实性状，使其更健康。应用 NPBT 后植物的再生是一个瓶颈，因此有必要优化当前协议的效率。我们将讨论使用来自幼小的离体植株和成熟植株的外植体的优缺点。本综述中讨论的其他主要问题与对无标记系统的要求以及缩短漫长的幼苗期有关。本综述旨在总结文献中适用于柑橘的方法和途径，重点关注使用 NPBT 之前观察到的原则。
通过整合农艺实践和遗传进步来提高氮在农业中的利用效率
氮是植物生长和生产力的关键营养素，但在农业中使用的不确定是经济和环境挑战。增强氮的使用效率（NUE）对于促进可持续的作物生产和减轻氮损失的负面影响，例如水污染和温室气体排放至关重要。本评论讨论了旨在改善NUE的各种策略，重点是农艺实践，遗传进步和综合管理方法。与精确的农业技术一起探索了传统的农艺方法，包括氮施加分裂和使用受控释放肥料，这可以根据作物和土壤条件实时调整对氮的实时调整。遗传学和生物技术的进步，例如常规育种，遗传修饰和基因组编辑，已促进了氮的摄入和吸收和同化的改善的作物品种的发展。此外，包括氮固定细菌和菌根真菌在内的有益微生物的作用被强调为增强氮的可用性和减少对合成肥料的依赖的自然手段。审查进一步强调了可持续的实践，例如基于豆类的农作物轮作，连续覆盖作物和有机施肥，这有助于土壤氮的富集和整体土壤健康。通过结合这些农艺，遗传和微生物策略，可以实现一种整体氮管理方法，从而最大程度地提高作物产量，同时最大程度地减少环境影响。这种综合策略支持弹性和可持续的农业系统的发展，从而促进了长期的土壤生育能力和生产力。
通过混合效应模型和分层聚类学习具有异质性农艺数据集的学习贝叶斯网络
玉米是一种在广阔地区，尤其是撒哈拉以南非洲，亚洲和拉丁美洲的全球种植的关键农作物，截至2021年，占地1.7亿公顷。已经设计了各种统计和机器学习模型，包括混合效应模型，随机系数模型，随机森林和深度学习体系结构，以预测玉米的产量。这些模型考虑了诸如基因型，环境，基因型 - 环境相互作用和现场管理等因素。但是，现有模型通常没有完全利用这些因素之间的因果关系的复杂网络以及农艺数据固有的层次结构。这项研究引入了一种创新的方法，将随机效应整合到贝叶斯网络（BNS）中，利用其通过定向无环形图对因果关系和概率关系进行建模的能力。植根于线性混合效应模型框架并为分层数据量身定制，这种新颖的方法表明了增强的BN学习。应用于现实世界的农艺试验，可产生一个改善解释性的模型，并揭示了新的因果关系。值得注意的是，提出的方法将玉米收益率预测的错误率从28％降低到17％。这些结果倡导BN在为层次农艺数据构建实际决策支持工具中的偏好，从而促进因果推断。
基因组变异图谱揭示了中国花生的多样性及其与 28 种农艺性状的关联
花生 (Arachis hypogaea L.) 是一种重要的异源四倍体油料和食用豆科作物。中国是世界上最大的花生生产国和消费国之一。然而，花生在中国的迁移和分化背后的基因组变异仍不清楚。本文我们基于对 390 个花生种质的重新测序报告了全基因组变异图，表明花生可能分别被引入中国南部和北部，形成了两个栽培中心。选择性扫描分析强调了花生改良过程中两个亚基因组之间的不对称选择。来自华南地区的经典谱系为研究人工选择对花生基因组的影响提供了背景。全基因组关联研究确定了 22,309 个与 28 个农艺性状的显著关联，包括植物结构和油脂生物合成的候选基因。我们的研究结果揭示了花生在中国的迁移和多样性，并为花生改良提供了宝贵的基因组资源。
植物和土壤微生物对农艺实践的不同反应模式和洪泛区生态系统中的季节变化
结果：我们确定了植物和微生物群落的不同反应机制，以添加氮肥和草甘膦以及季节性变化。氮肥和草甘膦显着影响的植物多样性，地上和地下生物量，C和N含量以及显着改变了主要植物的叶片面积和植物身材。但是，氮肥和草甘膦的添加并没有显着影响细菌，真菌和原生物群落的多样性和结构。氮肥的施用可以改善草甘膦对植物群落功能性状的负面影响。浮力的季节性变化显着改变了土壤的物理，化学和生物学特性。我们的结果表明，与夏季相比，秋季生态系统的土壤生态系统多功能性较低。季节性变化对植物多样性和功能性状具有重大影响。此外，季节性变化显着影响了细菌，真菌和生物的社区组成，多样性和结构。季节性变化对真菌群落组装的影响比细菌和生物学家的影响更大。在夏季，真菌群落的组装由确定性过程主导，而在秋天，它由随机过程主导。此外，细菌，真菌和生物学家之间的负相关已在秋天得到加强，并形成了一个更强大的网络来应对外部变化。
centuro™氮稳定器
1基础数据由巴西联邦联邦圣玛丽亚大学提供，根据Koch Agronomic Services，LLC的研究试验财务支持协议。大学，机构或个人研究人员都没有提及，认可或推荐任何产品或服务。Centuro™未在所有司法管辖区注册或使用。所有其他品牌都是其各自公司的商标。Centuro和Centuro徽标是Koch Acronomic Services，LLC的商标。Koch和Koch是Koch Industries，Inc。的商标。©2024 Koch Agronomic Services，LLC。 保留所有权利。Koch和Koch是Koch Industries，Inc。的商标。©2024 Koch Agronomic Services，LLC。保留所有权利。
接种微生物菌群可增加土壤微生物多样性，改善缺水缺氮条件下番茄的农艺性状
微生物刺激素可作为生物和非生物胁迫保护剂和生长促进剂，在气候变化的背景下，在农业中也变得越来越重要。寻找能够在各种田间条件下帮助减少化学投入的新产品是新的挑战。在这项研究中，我们测试了两种具有互补作用模式的微生物生长促进剂（Azotobacter chroococcum 76A 和 Trichoderma afroharzianum T22）的组合是否可以帮助番茄适应最佳水和氮需求减少 30% 的情况。在最佳水和营养条件下，微生物接种物可提高番茄产量 (+48.5%)。此外，微生物应用提高了胁迫条件下的叶片水势 (+9.5%)，降低了叶片整体温度 (-4.6%)，并增加了地上部鲜重 (+15%)，表明该组合可在有限的水和氮供应下充当植物水分关系的积极调节剂。在胁迫条件下施用 A. chroococcum 76A 和 T. afroharzianum T22 可显著增加根际微生物种群，这表明这些接种物可增强土壤微生物丰度，包括本地有益微生物的丰度。采样时间、有限的水和氮状况以及微生物接种均会影响根际土壤中的细菌和真菌种群。总体而言，这些结果表明，所选微生物群落可作为植物生长促进剂和胁迫保护剂，可能通过土壤微生物多样性和相对丰度的功能性变化触发适应机制。
改进了有关增强牲畜农业饲料生产的农艺实践
缺乏富含营养的饲料和草料是牲畜种植的问题之一。足够的耕作作业，及时且合适的水管理，杂草管理，虫害和疾病管理，肥料管理，以适当的时间和种子速率，及时收获以及其他农艺技术的播种，都可以帮助增加饲料和草料作物的营养含量和产量。在本研究中已系统地审查了许多研究和审查论文。与零耕种相比，耕作练习（例如原发性，次要，常规和深耕种）可以增强绿色饲料的干物质和产量。饲料作物的有机物（OM）含量和干物质（DM）通过常规且适当的灌溉增加。早期收获的草料的DMD（干物质消化率）和CP（粗蛋白）含量高于最近收获的草料的含量。氮的应用促进了农作物的发育和生长，增加了绿色饲料的产量并提高了其质量。间作对于增加饲料作物的产量至关重要。与玉米和牛豆的唯一种植相比，在玉米 +牛豆间的间作中发现产量更高。饲料的产量和质量通过晚期播种而降低。虫害和疾病的管理可增强饲料和草料的产生和质量。因此，我们得出一个结论，即饲料和草料作物的生产及其质量参数受农艺实践的极大影响。关键字：品种，种子速率，播种，灌溉，切割时间
多环境协会的研究突出了一个新颖的全球辣椒核心收集
1 INRAE, GAFL, Montfavet, France, 2 INRAE, A2M, Montfavet, France, 3 Department of Agricultural, Forest and Food Sciences (DISAFA), Plant Genetics, University of Torino, Grugliasco, Italy, 4 Plant Breeding, Wageningen University and Research (WUR), Wageningen, The Netherlands, 5 Research Centre for Vegetable and Ornamental Crops,意大利Pontecagnano Faiano农业研究和经济学委员会，6 Bati Akdeniz农业研究所6 Shanhua, Taiwan, 9 Leibniz Institute of Plant Genetics and Crop Plant Research (IPK), Seeland,Corre, Gatersleben, Germany, 10 Department of Crop Sciences, Center for Integrated Breeding Research, Georg-August-University, G ¨ ottingen, Germany, 11 Casaccia Research Centre, Italian National Agency for New Technologies, Energy, and Sustainable Economic Development (ENEA),罗马，意大利