简介：为探索Beinhart1000-1的赤星病抗性遗传规律,以抗赤星病品种Beinhart1000-1为母本,感病品种G140为父本,构建F1及F2代群体,筛选与抗性基因紧密连锁的SSR标记,并进行抗性基因的QTL定位。结果表明,Beinhart1000-1的赤星病抗性由显性基因控制。同时利用混合群体分组分析法,从2653对SSR引物中,得到83对在抗感池间表现多态且扩增条带稳定清晰的SSR标记。以F2代群体115个单株为作图群体,利用该83对引物进行扩增,经WinQTLCart2.5分析,构建了83个标记的遗传连锁图谱,获得2个抗赤星病QTL位点,分别位于7号和15号连锁群上。

简介：为建立不同产区及风格烤烟烟叶与化学指标之间的关系,对2005~2009年湖南省、河南省、福建省和云南省等4省份共计1040份烟叶样品的21种化学成分进行检测,并利用MiningTree模型进行分类-回归决策树（C＆RTanalysis）数据分析。结果表明：（1）从21个烟叶化学成分中,共筛选出14个特征化学指标,其中钾和硝酸根为4省烟叶共有特征化学指标;（2）湖南、河南、福建和云南4省份识别概率最高的特征化学指标分段组合（Segment）分别为：还原糖（≤24.93%）、钾（〉1.98%）、pH值（≤5.37）（p=0.658）;钾（≤1.98%）、灰分（〉11.03%）、水溶性灰份碱度（≤0.49）、硝酸根（≤0.06%）（p=0.776）;还原糖（〉24.93%）、钾（〉1.98%）、硝酸根（≤0.06%）、蛋白质（〉5.01%）（p=0.914）;钾（≤1.98%）、灰分（≤11.03%）、水溶性总糖（〉28.94%）、硫酸根（≤1.43%）（p=0.957）。分类-回归决策树方法在建立烤烟化学成分识别模型中具有重要的应用价值。

简介：运用烟草知识对烟叶进行初步分类,以经过标准化处理的常规化学指标和烟叶评吸指标为依据,由训练样本集得到最佳的网络参数,在此基础上对检验样本进行了烟叶品质的识别.提出了利用3层BP人工神经网络识别烟叶品质的方法.人工神经网络用于烟叶品质识别,结果与实际符合良好.该方法优于传统的识别方法,也优于文献报道的识别误差.