Terms of use This article was downloaded from Harvard University's DASH repository, and is made available under the terms and conditions applicable to Open Access Policy Articles (OAP), as set forth at https://harvardwiki.atlassian.net/wiki/external/NGY5NDE4ZjgzNTc5NDQzMGIzZWZhMGFlOWI2M2EwYTg
全球气候变化对农作物的生长,发育和产量产生了重大影响。中国东北部的大豆生产是中国传统的大豆生产地区之一,对于发展国内大豆工业并减少对进口大豆的依赖而言,具有很大的意义。因此,评估未来气候变化对中国东北大豆产量的影响至关重要,并提出合理的适应措施。在这项研究中,我们以中国东北部的富吉恩市为例,并使用了DSSAT中的Cropgro-Soybean模型(农业技术转移的决策支持系统)模拟未来气候变化对2020年代四个时期(2021-2030)的四个时期的大豆产量的影响(2041-2050)和2050S(2051-2060)在两个代表性浓度途径(RCP)方案(RCP4.5和RCP8.5)下,进一步确定最佳的农艺管理实践。结果表明,校准和经过验证的模型适合在研究区域模拟大豆。通过分析未来气候场景RCP4.5和RCP8.5在Precis区域气候模型中的气象数据,我们发现,在海伦吉安吉安吉省富士城的生长季节,平均温度,累积降水量和累积太阳辐射将主要增加。与模型仿真结果结合在一起,表明在CO 2受精的效果下,未来的气候变化将对大豆产量产生积极影响。与基线(1986-2005)相比,大豆产量将增加0.6%(7.4%),3.3%(5.1%),6.0%(16.8%)和12.3%(20.6%)和2020年代,2030年代,2040年代,2040年代和2050年度的rcp4.5(RCP4.5)(rcp8.5)。 RCP4.5(RCP8.5)分别为5月10日(5月5日)和50 mm(40mm)。在未来的气候条件下,农艺管理实践,例如在大豆增长的关键阶段推进播种日期和补充灌溉,将增加大豆产量,并使大豆增长更适合未来的气候变化。
在水稻培养中,半枯萎和粘性质地的特征分别是优化产量潜力和晶粒质量的关键。Xiangdaowan(XDW)大米以其出色的芳香特性而闻名,由于其高的身材和高淀粉糖含量而面临挑战,导致住宿耐药性不佳和次优烹饪属性。为了解决这些问题,我们采用了CRISPR/CAS9技术来精确地编辑XDW大米中的SD1和WX基因,从而发展具有所需半昏迷和麸质特征的稳定的遗传纯合线。SD1-WX突变型线表现出降低的gibberellin含量,植物高度和淀粉糖含量,同时保持了几乎不会改变发芽率和其他关键的农艺性状。重要的是,我们的研究表明,外源性GA 3的应用通过补偿内源性Gibberellin的缺乏有效地促进了生长。基于此,开发了半昏昏欲睡的精英大米(Oryza sativa L.)线,对大多数农艺性状没有太大影响。此外,比较转录组分析揭示了差异表达的基因(DEG)主要与膜的锚定成分,过氧化氢分解代谢酶分解代谢酶活性,过氧化物酶活性,萜烯合酶活性和寄生虫相关。此外,将二萜类化合物的生物合成催化为gibberellins的生物合成富集并显着下调。这项全面的研究提供了一种有效的方法,可以同时提高水稻植物的身高和质量,为耐药和高质量的水稻品种的发展铺平了道路。
药物化合物已成为废水中越来越重要的污染物来源,因为它是传统的处理方法无效地去除它们的方法,因此它们通常被放入环境中。可以使用液体液体提取成功去除药物,并且可以使用宇宙RS预测相互作用并识别最有前途的溶剂。但是,COSMO热模型无法解释关键过程参数,从而降低了这些计算模型的准确性。因此,需要替代计算方法来准确预测可以纳入处理和相互作用变量的药物的提取产率。这项工作使用机器学习来预测使用八种溶剂的11种药物的提取产率。探索了六个回归模型和两个分类模型。使用ANN回归器(测试MAE:4.510,测试R 2:0.884)和RF分类器(测试精度:0.938,测试召回:0.974)获得了最佳性能。RF回归分析和分类还显示了关键的提取产率特征:溶剂与喂养比,N - 辛烷 - 水分系数,氢键,氢键和范德华对多余的焓的贡献,以及pH距离至最近的PKA。机器学习显示为筛选和选择最有希望的溶剂和过程条件的绝佳工具,以从废水中去除药物。
结果和讨论:结果表明,随着温度与最佳生长条件紧密对齐,11月1日的播种产生了1446 kg ha -1的最高种子产量。藜麦的干旱耐受性意味着灌溉能够维持农作物的生长和产量。虽然农作物对更高的n剂量做出了积极反应,但研究发现,考虑到浅层底层土壤条件和潜在的住宿问题,使用100 kg n ha -1是最佳的。此外,水生产率,蛋白质和皂苷含量反映了与种子产量相似的趋势。结果表明,早期播种,40%ET C和100 kg N HA -1的灌溉产生的种子产量为1446 kg ha -1,表现出较高的碳效率和可持续性,同时最小化n 2 O发射。但是,这些策略应针对特定的生态条件量身定制。总体而言,该发现证实了印度2600万公顷浅层玄武岩穆拉姆土壤中藜麦的耕种潜力,在那里其他作物可能不会在经济上繁衍生息。
补充数据关于模型拟合图的解释的注释(补充图1-7):为清楚起见,以下模型拟合数字可视化二维表面的二维表面。在每个补充图1-7中,面板(a)是产量与温度的关系,当降水保持恒定时(以估计的最佳为单位)。同样,面板(b)代表当温度恒定时(以估计的最佳量)保持温度时产量与总年沉淀的关系。The amount of scatter in observed yields around the fitted curves in supplementary figures 1-7 is a consequence of (a) viewing the three-dimensional raw data in two dimensions, (b) differences in technological inputs in different regions where data come from, but which share similar climatic conditions, (c) change in technological input over time for the same region, and (d) unaccounted for variability (sources are discussed in the methods部分;有关模型拟合和变化源的进一步详细讨论,请参见附录I。
粮食不安全是非洲气候变化带来的最大风险之一,那里有90%至95%的非洲粮食生产是雨天,很大一部分人口已经面临慢性饥饿和营养不良。尽管有几项研究发现了在气候变化情景下未来农作物产量损失的有力证据,但农作物和地区之间存在广泛的差异以及大型建模不确定性。这种不足的很大一部分源于气候预测,因为气候模型可能在模拟未来的降水和温度变化方面有所不同,这可能导致未来的作物产生情况。这项工作研究了西非气候变化对西非玉米,小米和高粱作物产量的影响,使用耦合模型对比项目对比项目第五阶段(CMIP5)和新一代来自耦合模型模型库库对间项目的气候模型的预测(CMIP5)(CMIP6)(CMIP6)。我们使用模拟作物建模框架来模拟历史和未来的作物产量,并使用引导技术来评估CMIP5和CMIP6合奏之间作物生产力的预计变化。使用新一代气候模型CMIP6,我们发现CMIP5模拟所示的负作物产量预测大大降低,当大气CO 2浓度在作物模型中所考虑时,也大大增加了作物产量。这种结果突出了在评估该地区气候变化的影响以及最终用户预期适应策略的差异方面仍然存在的巨大不确定性。CMIP5和CMIP6模拟之间作物产量影响的这些差异主要是由于西非温度和沉淀的气候不同。到本世纪末,CMIP6预测在本世纪中叶和较小程度上都显着湿润和凉爽。
欧洲电力行业是世界上最大的上限和贸易计划的主要部门,是碳定价最受研究的例子之一。特别是,数值模型通常用于研究碳价格和排放的未来不确定的未来发展。通常通过灵敏度分析来解决参数不确定性,但从现有的单模研究中尚不清楚模型本身的潜在不确定性。在这里,我们通过运行一个结构化模型比较实验来研究这种与模型相关的不确定性,在该实验中,我们将五个数值功率部门模型暴露于对齐的输入参数中,从而结合了Stark模型差异。以2030年的碳价格为27欧元,这些模型估计,与2016年相比,欧洲电力部门的排放量将减少36-57%。大多数这种变化可以通过模型考虑煤炭和褐煤发电厂的退役的程度来解释。更高的碳价格为57欧元和87欧元的碳价格分别降低了45-75%和52-80%。这些范围的下端可以归因于仅分配模型捕获的短期燃油开关。较高的减少量对应于其他考虑对可再生能源的基于市场投资的模型。通过进一步研究以高碳价格的剩余排放中的跨模型变化,我们将联合热量和功率的表示形式确定为模型结果之间差异的另一个至关重要的驱动力。
颗粒水凝胶作为脆性屈服应力流体G.B.汤普森1,2*,J。Lee1*,K.M。Kamani 1,N。Flores-Velasco 1,S.A。Rogers 1,B.A.C。 Harley 1,2,3 1 Dept. 化学和生物分子工程2 Carl R. Woese基因组生物学研究所3伊利诺伊大学Urbana-Champaign Urbana伊利诺伊大学癌症中心,伊利诺伊州61801 *共同先生的作者通讯作者:B.A.C. 哈雷部 of Chemical and Biomolecular Engineering Cancer Center at Illinois Carl R. Woese Institute for Genomic Biology University of Illinois at Urbana-Champaign 110 Roger Adams Laboratory 600 S. Mathews Ave. Urbana, IL 61801 Phone: (217) 244-7112 Fax: (217) 333-5052 e-mail: bharley@illinois.eduKamani 1,N。Flores-Velasco 1,S.A。Rogers 1,B.A.C。Harley 1,2,3 1 Dept. 化学和生物分子工程2 Carl R. Woese基因组生物学研究所3伊利诺伊大学Urbana-Champaign Urbana伊利诺伊大学癌症中心,伊利诺伊州61801 *共同先生的作者通讯作者:B.A.C. 哈雷部 of Chemical and Biomolecular Engineering Cancer Center at Illinois Carl R. Woese Institute for Genomic Biology University of Illinois at Urbana-Champaign 110 Roger Adams Laboratory 600 S. Mathews Ave. Urbana, IL 61801 Phone: (217) 244-7112 Fax: (217) 333-5052 e-mail: bharley@illinois.eduHarley 1,2,3 1 Dept.化学和生物分子工程2 Carl R. Woese基因组生物学研究所3伊利诺伊大学Urbana-Champaign Urbana伊利诺伊大学癌症中心,伊利诺伊州61801 *共同先生的作者通讯作者:B.A.C.哈雷部of Chemical and Biomolecular Engineering Cancer Center at Illinois Carl R. Woese Institute for Genomic Biology University of Illinois at Urbana-Champaign 110 Roger Adams Laboratory 600 S. Mathews Ave. Urbana, IL 61801 Phone: (217) 244-7112 Fax: (217) 333-5052 e-mail: bharley@illinois.edu