牛樟芝成分：
牛樟芝的主要生理活性成份
三帖类化合物Triterpenoids
超氧歧华孝素Superoxide Dismutase：SOD
β-D葡聚醣β-D-glucan
腺苷Adenosine
免疫蛋白Immunity Protein
维生素B Vitamin-B
麦角固醇Ergosterol
核酸Nucleic Acid
氨基酸Amino Acid
凝集素Lectin
木质素Lignin
血压稳定物质Calcium，Phosphorous，Germanium
所谓多醣体是由数十万到数百万的单醣类（如葡萄糖）等组合而成。其最主要的功能为增长人体的自然免疫力、对癌症有克制及防备的效果。一般食药用蕈菇类中含有的多醣体之所以具有防备及克制肿瘤的免疫生理活性，主要是含有β-d-葡聚醣(β-d-glucan)。这些β-d-glucan能透过刺激巨噬（shì）细胞、淋巴细胞、淋巴细以及自然杀手细胞等，增强免疫功能进而达到抗肿瘤的效果。
三帖类及固醇类（Triterpenoids）
三帖类化合物是樟芝的重要化学成份之一，为牛樟芝之萃取物中苦味成份的泉源。从实践证实三帖类化合物能有效克制肝癌细胞的增殖与多醣体异样，饰演着抗肿瘤活性调治的重要角色。高血压患者往往因为血压高，导致血管破碎而中风，三帖类化合物能有效的克制的活性，进而降低血压。另外三帖类还具有抗发炎之功效。
超氧岐化酵素（Superoxide Dismutase：SOD）
生物体内的活性氧群，如紫外线的照射、辐射、或化学反响可经由内在环境，或是体内新陈代谢而产生。最罕见的活性氧群有过氧化自由基以及氢气自由基，
这些活性氧群对人体往往会造成许多的病变，如伤害、致癌以及因为细胞退化而造成的老化征象。
超氧岐化酵素为生物体内清除超氧自由基的主要酵素，具有高抗氧化性能，可有用克制活性氧群对人体造成的病变，并去除自由基。
核酸类：腺苷
除此之外，樟芝还含有酚类、固醇类、醇类、生物咸类、内醴、香豆精等。包罗腺甘、核醣核甘酸、腺缥炩、尿嘧啶等物质，均有重要生理活性，此中腺苷具有抑制血小板凝聚作用，可防止血拴的形成，防备动脉硬化，改善血液循环体系。
利用Matlab 编程实现主成分分析 1.概述 Matlab 语言是当今国际上科学界 (尤其是自动控制领域) 最具影响力、也是 最有活力的软件。它起源于矩阵运算，并已经发展成一种高度集成的计算机语言。它提供了强大的科学运算、灵活的程序设计流程、高质量的图形可视化与界面设计、与其他程序和语言的便捷接口的功能。Matlab 语言在各国高校与研究单位起着重大的作用。主成分分析是把原来多个变量划为少数几个综合指标的一种统计分析方法，从数学角度来看，这是一种降维处理技术。 1.1主成分分析计算步骤 ① 计算相关系数矩阵 ?? ? ???? ???? ?? ?=pp p p p p r r r r r r r r r R 2 122221 11211 （1） 在（3.5.3）式中，r ij （i ，j=1，2，…，p ）为原变量的xi 与xj 之间的相关系数，其计算公式为 ∑∑∑===----= n k n k j kj i ki n k j kj i ki ij x x x x x x x x r 1 1 2 2 1 )() () )(( （2） 因为R 是实对称矩阵（即r ij =r ji ），所以只需计算上三角元素或下三角元素即可。
② 计算特征值与特征向量 首先解特征方程0=-R I λ，通常用雅可比法（Jacobi ）求出特征值 ),,2,1(p i i =λ，并使其按大小顺序排列，即0,21≥≥≥≥p λλλ ；然后分别求 出对应于特征值i λ的特征向量),,2,1(p i e i =。这里要求i e =1，即112 =∑=p j ij e ，其 中ij e 表示向量i e 的第j 个分量。 ③ 计算主成分贡献率及累计贡献率 主成分i z 的贡献率为 ),,2,1(1 p i p k k i =∑=λ λ 累计贡献率为 ) ,,2,1(11 p i p k k i k k =∑∑==λ λ 一般取累计贡献率达85—95%的特征值m λλλ,,,21 所对应的第一、第二，…，第m （m ≤p ）个主成分。 ④ 计算主成分载荷 其计算公式为 ) ,,2,1,(),(p j i e x z p l ij i j i ij ===λ （3）
常用杀菌剂的种类、性质及作用 奥美塞克——750g/十三吗啉 1、“奥美塞克”杀灭枝干腐烂病、干腐病、轮纹病特效。是目前防治枝干病害最为特效的产品。 2、“奥美塞克”具有内吸、保护、治疗、铲除四大高能作用。既安全，又不易产生抗性。对白粉病、霉心病、赤星病、褐斑病及烂根病也具有显著防效。 （一）农用抗生素 1、多抗霉素 【中文通用名称】多抗霉素 【英文通用名称】polylxin 【商品名称】宝丽安、多氧霉素、科生霉素、多氧清等。 【化学名称】肽嘧啶核苷类抗生素 【制剂类型】10%、3%、2%、1.5%多抗霉素可湿性粉剂，0.3%多抗霉素水剂 【理化性质】该类抗生素含有A至N 14种同系物的混合物。我国生产的多抗霉素主要成分是多抗霉素A和多抗霉素B，是多抗霉素金色产色链霉菌（Streptomyces aureo chromogenes）所产生的代谢物，含量为84%（相当于84×10单位/g），系无色针状结晶，熔点（m.p.）180℃。日本产的多抗霉素称为多氧霉素，是可可链霉素阿苏变种（Streptomyces cacaoi var．asoensis）产生的代谢产物，主要成分为多抗霉素B，占22%～25%（相当于22×10～25×10单位／g），系无定形结晶，分解温度（m.p.）为160℃。多抗霉素易溶于水，多抗霉素对人、畜低毒，在动物体内无蓄积，易排出体外。对鱼、水生生物及蜜蜂低毒。是环保型绿色农药。 【作用】多抗霉素是广谱性、具有内吸传导作用的抗生素类杀菌剂。对链格孢菌、葡萄孢菌、灰霉菌等真菌病害有较好防治效果。当药剂喷到病菌体上后，病原菌细胞壁壳多糖的生物合成受到干扰，使以壳多糖为基质构成细胞壁的真菌，芽管和菌丝体局部膨大、破裂，细胞内容物溢出，导致病原菌细胞不能正常生长发育而死亡。同时，该药剂还具有抑制病菌产生孢子及病斑扩大等作用。 多抗霉素在北方落叶果树上，主要是用来防治苹果斑点落叶病、霉心病、梨黑斑病、草莓的灰霉病等。尤其对霉心病的防治，苹果落花60%～80%时，喷布多抗霉素，防治霉心病效果显著，而且不影响坐果。 2、嘧啶核苷类抗菌素 【中文通用名称】嘧啶核苷类抗菌素 【英文通用名称】TF-120 【商品名称】农抗120、抗霉菌素120、120农用抗菌素 【化学名称】嘧啶核苷类抗菌素
主元分析(PCA)理论分析及应用 什么是PCA? PCA是Principal component analysis的缩写，中文翻译为主元分析/主成分分析。它是一种对数据进行分析的技术，最重要的应用是对原有数据进行简化。正如它的名字：主元分析，这种方法可以有效的找出数据中最“主要”的元素和结构，去除噪音和冗余，将原有的复杂数据降维，揭示隐藏在复杂数据背后的简单结构。它的优点是简单，而且无参数限制，可以方便的应用与各个场合。因此应用极其广泛，从神经科学到计算机图形学都有它的用武之地。被誉为应用线形代数最价值的结果之一。 在以下的章节中，不仅有对PCA的比较直观的解释，同时也配有较为深入的分析。首先将从一个简单的例子开始说明PCA应用的场合以及想法的由来，进行一个比较直观的解释；然后加入数学的严格推导，引入线形代数，进行问题的求解。随后将揭示PCA与SVD(Singular Value Decomposition)之间的联系以及如何将之应用于真实世界。最后将分析PCA理论模型的假设条件以及针对这些条件可能进行的改进。 一个简单的模型 在实验科学中我常遇到的情况是，使用大量的变量代表可能变化的因素，例如光谱、电压、速度等等。但是由于实验环境和观测手段的限制，实验数据往往变得极其的复杂、混乱和冗余的。如何对数据进行分析，取得隐藏在数据背后的变量关系，是一个很困难的问题。在神经科学、气象学、海洋学等等学科实验中，假设的变量个数可能非常之多，但是真正的影响因素以及它们之间的关系可能又是非常之简单的。 下面的模型取自一个物理学中的实验。它看上去比较简单，但足以说明问题。如图表 1所示。这是一个理想弹簧运动规律的测定实验。假设球是连接在一个无质量无摩擦的弹簧之上，从平衡位置沿轴拉开一定的距离然后释放。
第14章主成分分析 1 概述 1.1 基本概念 1.1.1 定义 主成分分析是根据原始变量之间的相互关系，寻找一组由原变量组成、而彼此不相关的综合变量，从而浓缩原始数据信息、简化数据结构、压缩数据规模的一种统计方法。 1.1.2 举例 为什么叫主成分，下面通过一个例子来说明。 假定有N 个儿童的两个指标x1与x2，如身高和体重。x1与x2有显著的相关性。当N较大时，N观测量在平面上形成椭圆形的散点分布图，每一个坐标点即为个体x1与x2的取值，如果把通过该椭圆形的长轴取作新坐标轴的横轴Z1，在此轴的原点取一条垂直于Z1的直线定为新坐标轴的Z2，于是这N个点在新坐标轴上的坐标位置发生了改变；同时这N个点的性质也发生了改变，他们之间的关系不再是相关的。很明显，在新坐标上Z1与N个点分布的长轴一致，反映了N个观测量个体间离差的大部分信息，若Z1反映了原始数据信息的80%，则Z2只反映总信息的20%。这样新指标Z1称为原指标的第 358
一主成分，Z2称为原指标的第二主成分。所以如果要研究N个对象的变异，可以只考虑Z1这一个指标代替原来的两个指标（x1与x2），这种做法符合PCA提出的基本要求，即减少指标的个数，又不损失或少损失原来指标提供的信息。 1.1.3 函数公式 通过数学的方法可以求出Z1和Z2与x1与x2之间的关系。 Z1=l11x1+ l12x2 Z2=l21x1+ l22x2 即新指标Z1和Z2是原指标x1与x2的线性函数。在统计学上称为第一主成分和第二主成分。 若原变量有3个，且彼此相关，则N个对象在3维空间成椭圆球分布，见图14-1。 通过旋转和改变原点（坐标0点），就可以得到第一主成分、第二主成分和第三主成分。如果第二主成分和第三主成分与第一主成高度相关，或者说第二主成分和第三主成分相对于第一主成分来说变异很小，即N个对象在新坐标的三维空间分布成一长杆状时，则只需用一个综合指标便能反映原始数据中3个变量的基本特征。 359
主成分分析 类型：一种处理高维数据的方法。 降维思想：在实际问题的研究中，往往会涉及众多有关的变量。但是，变量太多不但会增加计算的复杂性，而且也会给合理地分析问题和解释问题带来困难。一般说来，虽然每个变量都提供了一定的信息，但其重要性有所不同，而在很多情况下，变量间有一定的相关性，从而使得这些变量所提供的信息在一定程度上有所重叠。因而人们希望对这些变量加以“改造”，用为数极少的互补相关的新变量来反映原变量所提供的绝大部分信息，通过对新变量的分析达到解决问题的目的。 一、总体主成分 1.1 定义 设 X 1，X 2，…，X p 为某实际问题所涉及的 p 个随机变量。记 X=(X 1，X 2，…,Xp)T ，其协方差矩阵为 ()[(())(())], T ij p p E X E X X E X σ?∑==-- 它是一个 p 阶非负定矩阵。设 1111112212221122221122T p p T p p T p p p p pp p Y l X l X l X l X Y l X l X l X l X Y l X l X l X l X ?==+++? ==+++?? ??==+++? （1） 则有 ()(),1,2,...,, (,)(,),1,2,...,. T T i i i i T T T i j i j i j V ar Y V ar l X l l i p C ov Y Y C ov l X l X l l j p ==∑===∑= （2） 第 i 个主成分： 一般地，在约束条件 1T i i l l =
及 (,)0,1,2,..., 1.T i k i k C ov Y Y l l k i =∑==- 下，求 l i 使 Var(Y i )达到最大，由此 l i 所确定的 T i i Y l X = 称为 X 1，X 2，…，X p 的第 i 个主成分。 1.2 总体主成分的计算 设 ∑是12(,,...,) T p X X X X =的协方差矩阵，∑的特征值及相应的正交单位化特 征向量分别为 120p λλλ≥≥≥≥ 及 12,,...,, p e e e 则 X 的第 i 个主成分为 1122,1,2,...,,T i i i i ip p Y e X e X e X e X i p ==+++= （3） 此时 (),1,2,...,,(,)0,. T i i i i T i k i k V ar Y e e i p C ov Y Y e e i k λ?=∑==??=∑=≠?? 1.3 总体主成分的性质 1.3.1 主成分的协方差矩阵及总方差 记 12(,,...,) T p Y Y Y Y = 为主成分向量，则 Y=P T X ，其中12(,,...,)p P e e e =，且 12()()(,,...,),T T p Cov Y Cov P X P P Diag λλλ==∑=Λ= 由此得主成分的总方差为 1 1 1 ()()()()(),p p p T T i i i i i i V ar Y tr P P tr P P tr V ar X λ ==== =∑=∑=∑= ∑∑∑ 即主成分分析是把 p 个原始变量 X 1，X 2，…，X p 的总方差
常用杀菌剂的分类及简介 杀菌剂可根据作用方式、原料来源及化学组成进行分类。 （一）按杀菌剂的原料来源分 1、无机杀菌剂如硫磺粉、石硫合剂、硫酸铜、升汞、石灰波 尔多液、氢氧化铜、氧化亚铜等。 2、有机硫杀菌剂如代森铵、敌锈钠、福美锌、代森锌、代森 锰锌、福美双等。 3、有机磷、砷杀菌剂如稻瘟净、克瘟散、乙磷铝、甲基立枯 磷、退菌特、稻脚青等。 4、取代苯类杀菌剂如甲基托布津、百菌清、敌克松等。 5、唑类杀菌剂如粉锈宁、多菌灵、恶霉灵、世高、丙环唑等。 6、抗菌素类杀菌剂井冈霉素、多抗霉素、春雷霉素、农用链 霉素、农抗120等。 7、复配杀菌剂如炭疽福美、杀毒矾、霜脲锰锌、甲霜灵• 锰锌、甲基硫菌灵•锰锌、甲霜灵—福美双可湿性粉剂等。 8、其他杀菌剂如甲霜灵、菌核利、腐霉利、扑海因、灭菌丹、 克菌丹等。 （二）按杀菌剂的使用方式分 1、保护剂在病原微生物没有接触植物或没浸入植物体之前， 用药剂处理植物或周围环境，达到抑制病原孢子萌发或杀死萌发的病原孢子，以保护植物免受其害，这种作用称为保护作用。具有此种作用的药剂为保护剂。如波尔多液、代森锌、硫酸铜、代森锰锌、百菌清等。
2、治疗剂病原微生物已经浸入植物体内，但植物表现病症处于潜伏期。药物从植物表皮渗人植物组织内部，经输导、扩散、或产生代谢物来杀死或抑制病原，使病株不再受害，并恢复健康。具有这种治疗作用的药剂称为治疗剂或化学治疗剂。如甲基托布津、多菌灵、春雷霉素等。 3、铲除剂指植物感病后施药能直接杀死已侵入植物的病原物。具有这种铲除作用的药剂为铲除剂。如福美砷、石硫合剂等。 （三）按杀菌剂在植物体内传导特性分 1、内吸性杀菌剂能被植物叶、茎、根、种子吸收进入植物体内，经植物体液输导、扩散、存留或产生代谢物，可防治一些深入到植物体内或种子胚乳内病害，以保护作物不受病原物的浸染或对已感病的植物进行治疗，因此具有治疗和保护作用。如多菌灵、力克菌、绿亨2号、多霉清、霜疫清、甲霜灵、乙磷铝、甲基托布津、敌克松、粉锈宁、、杀毒矾、拌种双等。 2、非内吸性杀菌剂指药剂不能被植物内吸并传导、存留。目前，大多数品种都是非内吸性的杀菌剂，此类药剂不易使病原物产生抗药性，比较经济，但大多数只具有保护作用，不能防治深入植物体内的病害。如硫酸锌、硫酸铜、多果定、百菌清、绿乳铜、表面活性剂、增效剂、硫合剂、草木灰、波尔多液、代森锰锌、福美双等。 此外，杀菌剂还可根据使用方法分类，如种子处理剂、土壤消毒剂、喷洒剂等。
1、主成分法： 用主成分法寻找公共因子的方法如下： 假定从相关阵出发求解主成分，设有p 个变量，则可找出p 个主成分。将所得的p 个主成分按由大到小的顺序排列，记为1Y ，2Y ，…，P Y ， 则主成分与原始变量之间存在如下关系： 11111221221122221122....................p p p p p p p pp p Y X X X Y X X X Y X X X γγγγγγγγγ=+++?? =+++??? ?=+++? 式中，ij γ为随机向量X 的相关矩阵的特征值所对应的特征向量的分量，因为特征向量之间彼此正交，从X 到Y 得转换关系是可逆的，很容易得出由Y 到 X 得转换关系为： 11112121212122221122....................p p p p p p p pp p X Y Y Y X Y Y Y X Y Y Y γγγγγγγγγ=+++?? =+++??? ?=+++? 对上面每一等式只保留钱m 个主成分而把后面的部分用i ε代替，则上式变为： 111121211 2121222221122................. ...m m m m p p p mp m p X Y Y Y X Y Y Y X Y Y Y γγγεγγγεγγγε=++++??=++++????=++++? 上式在形式上已经与因子模型相一致，且i Y （i=1,2，…，m ）之间相互独立，且i Y 与i ε之间相互独立，为了把i Y 转化成合适的公因子，现在要做的工作只是把主成分i Y 变为方差为1的变量。为完成此变换，必须将i Y 除以其标准差，由主成分分析的知识知其标准差即为特征根的平方根 i λ/i i i F Y λ=， 1122m m λγλγλγ，则式子变为：
常用杀菌剂使用说明 代森锌 1．作用特点原药为灰白色或淡黄色粉末，有臭鸡蛋味。是一种保护性杀菌剂，对霜霉病菌、晚疫病菌及炭疽病菌等多种病菌有较强的触杀作用。其有效成分在水中易被氧化成异硫氰化合物，对病原菌体内含有―SH基的酶有强烈的抑制作用，并直接杀死病菌孢子，阻止病菌侵入，对作物安全。应掌握发病初期用药，持效期较短。对高等动物低毒，对皮肤、黏膜有刺激作用。 2．制剂 60％、65％、80％可湿性粉剂。 3．防治对象与使用技术发病初期，用80％可湿性粉剂 500倍液喷雾，可防治瓜类猝倒病、立枯病、角斑病、枯萎病、炭疽病、霜霉病等多种病害。隔7～10天再喷一次。 4．注意事项①不能与碱性农药及铜制剂混用。②本剂对人体皮肤、黏膜等有刺激作用，使用时要注意安全保护。③应贮存于干燥、避光和通风良好的仓库中，以免分解。 代森锰锌 (大生M45、大生富、喷克、新万生、山德生、丰收、大胜) 1．作用特点代森锰锌是一种广谱保护性杀菌剂，其作用机理是抑制菌体内丙酮酸的氧化。原药为灰黄色粉末，在高温时遇潮湿也易分解。对高等动物低毒,对人的皮肤和黏膜有一定刺激作用。对鱼类有毒，在试验剂量下，未发现“三致”现象。 2．制剂 70％、80％可湿性粉剂，42％悬浮剂，在各生产长家间因粉剂细度不同和药剂中增加黏胶剂等因素，防治效果各有千秋。 3．防治对象与使用技术防治瓜类的炭疽病、疫病、霜霉病、叶斑病、黑点病等，用70％代森锰锌可湿性粉剂400～600倍液，在发病初期喷施，隔7～10天后再喷施一次，共喷2～3次。也可选用80％大生M45或喷克、新万生等600～800倍，在发病初期喷施，隔6～7天再喷施一次，共喷2～3次。 4．注意事项①不能与碱性物质或铜制剂混用，但可与多种虫剂、杀菌剂、杀螨剂混用。②高温季节,中午避免用药。③使用大生M45、喷克、新万生等宜雨前喷施,雨后不必补喷，喷药要周到、均匀。 甲基硫菌灵(甲基托布津) 1．作用特点甲基硫菌灵是一种高效、低毒、低残留、广谱、内吸性杀菌剂，具保护和治疗两种作用。其作用机理是当该药喷施于植物表面，并被植物体吸收后，在植物体内，经一系列生化反应，被分解为甲基苯并咪唑―乙―氨基甲酸酯(即多菌灵)。干扰菌的有丝分裂中纺锤体的形成，使病菌孢子萌发长出的芽管扭曲异常，芽管细胞壁扭曲等，从而使病菌不能正常生长达到杀菌效果。纯品为无色结晶，难溶于水，对酸碱稳定。对高等动物低毒，对皮肤、黏膜刺激性低，对鱼类毒性低，对植物安全。 2．制剂 50％、70％可湿性粉剂。 3．防治对象与使用技术用70％可湿性粉剂500～700倍。防治灰霉病、白粉病、炭疽病、褐斑病、叶霉病等均有良好的预防和治疗效果，隔7～10天喷施一次，共喷2―3次；也可用种子重量的O．3％～0．4％进行拌种处理；或用70％可湿性粉剂500倍液灌根，防治枯萎病也有较好的效果。 4．注意事项①可与石硫合剂等碱性农药混用，但不能与含铜制剂混用，或前后紧接使用，也不能长期单独使用。①贮存于阴凉干燥处。③作物收获前14天停止使用。 百菌清(达科宁、TDN)
姓名：XXX 学号：XXXXXXX 专业：XXXX 用SPSS19软件对下列数据进行主成分分析： ……
一、相关性 通过对数据进行双变量相关分析，得到相关系数矩阵，见表1。 表1 淡化浓海水自然蒸发影响因素的相关性 由表1可知： 辐照、风速、湿度、水温、气温、浓度六个因素都与蒸发速率在0.01水平上显著相关。 分析：各变量之间存在着明显的相关关系，若直接将其纳入分析可能会得到因多元共线性影响的错误结论，因此需要通过主成份分析将数据所携带的信息进行浓缩处理。 二、KMO和球形Bartlett检验 KMO和球形Bartlett检验是对主成分分析的适用性进行检验。 KMO检验可以检查各变量之间的偏相关性，取值范围是0～1。KMO的结果越接近1，表示变量之间的偏相关性越好，那么进行主成分分析的效果就会越好。实际分析时，KMO统计量大于0.7时，效果就比较理想；若当KMO统计量小于0.5时，就不适于选用主成分分析法。 Bartlett球形检验是用来判断相关矩阵是否为单位矩阵，在主成分分析中，若拒绝各变量独立的原假设，则说明可以做主成分分析，若不拒绝原假设，则说明这些变量可能独立提供一些信息，不适合做主成分分析。
由表2可知： 1、KMO=0.631＜0.7，表明变量之间没有特别完美的信息的重叠度，主成分分析得到的模型又可能不是非常完善，但仍然值得实验。 2、显著性小于0.05，则应拒绝假设，即变量间具有较强的相关性。 三、公因子方差 公因子方差表示变量共同度。表示各变量中所携带的原始信息能被提取出的主成分所体现的程度。 由表3可知： 几乎所有变量共同度都达到了75%，可认为这几个提取出的主成分对各个变量的阐释能力比较强。 四、解释的总方差 解释的总方差给出了各因素的方差贡献率和累计贡献率。
常用杀菌剂 这次再让我们广大农户了解一下有关于一些药的注意事项 ：1、百菌清：不能与石硫等碱性农药混用，如敌稗，波尔多液，石硫合剂等 2、多菌灵：可与一般杀菌剂混用，但与杀虫剂、杀螨剂混用时要随混随用，不宜与碱性药剂混用。 3、64%杀毒矾：是由恶霜灵和代森锰锌混配制剂而成，具有内吸传导性和触杀性，防治霜霉科、白锈科，对作物稳定，不易产活药害，而且各种作物对杀毒矾的耐药性很高，不会引起药害。杀毒矾与农用链霉素相配黄瓜幼苗禁用 4、恶霜灵：【中文名称】恶霜灵；杀毒矾农用杀菌剂。对霜霉目病源菌具有很高的防效，有保护和治疗作用，持效期长。与代森锰锌浑身，其防效高于与灭菌丹、铜制剂混用，如64%恶霜·锰锌可湿性粉剂（杀毒矾） 5：番茄灰叶斑病每667平方米可用15%克菌灵烟霉剂（速克灵十百菌清）200克熏治 6、:如何用药防治番茄叶霉病：1.广谱性杀菌剂：如百菌清(达克宁)、扑海因(异菌脲)、甲基托布津等。这类药剂的优点是：防病谱广，安全、价格低、预防效果好。缺点是：治疗效果差。故应在发病前使用，或者配合治疗效果突出的药物使用。2.唑类药剂：如腈菌唑(仙生)、氟菌唑(特富灵)、苯醚甲环唑(世高)等，优点治疗效果显著，用药量低，内吸性强，持效期长，缺点是：用药量大会抑制作物生长。如果连续用药次数超过三次，很有可能造成番茄叶片变小、变硬、变脆、变黑等情况，因此应慎用，特别是在冬季低温时期更要少用，世高除外。在使用该类药剂时，可配合一些生长调节剂，如芸薹素内酯(施大源、云大120等)、细胞分裂素等使用，以减少其抑制番茄生长的副作用。3.抗生素类药剂：如春雷霉素、多抗霉素、农抗120等 接着第三条，这些药剂的优点是：安全、广谱、内吸性强，预防效果突出。但治疗效果较差。综合上述药剂特点，在使用药剂防治番茄叶霉病时应进行以下用药：叶片无病斑或发病率低于5%时，可选用广谱性杀菌剂，或世高，或抗生素类杀菌剂，也可以混合使用。当发病率高于5%，并有蔓延趋势时，应选用唑类杀菌剂。当然，需要配合芸薹素内酯、细胞分裂素等植物生长调节剂使用。发病特别严重时，可用唑类药剂混加广谱性药剂或抗生素类药剂的方法进行全面防治。 7、阿米西达: 嘧菌酯,阿米西达的杀菌谱是非常广，对四大类致病病真菌：子囊菌、担子菌、半知菌和卵菌纲中的绝大部分病原菌均有效。一药治多病是阿米西达的突出特点，与现有杀
主成分分析原理 （一）教学目的 通过本章的学习，对主成分分析从总体上有一个清晰地认识，理解主成分分析的基本思想和数学模型，掌握用主成分分析方法解决实际问题的能力。 （二）基本要求 了解主成分分析的基本思想，几何解释，理解主成分分析的数学模型，掌握主成分分析方法的主要步骤。 （三）教学要点 1、主成分分析基本思想，数学模型，几何解释 2、主成分分析的计算步骤及应用 （四）教学时数 3课时 （五）教学内容 1、主成分分析的原理及模型 2、主成分的导出及主成分分析步骤 在实际问题中，我们经常会遇到研究多个变量的问题，而且在多数情况下，多个变量之间常常存在一定的相关性。由于变量个数较多再加上变量之间的相关性，势必增加了分析问题的复杂性。如何从多个变量中综合为少数几个代表性变量，既能够代表原始变量的绝大多数信息，又互不相关，并且在新的综合变量基础上，可以进一步的统计分析，这时就需要进行主成分分析。 第一节主成分分析的原理及模型 一、主成分分析的基本思想与数学模型 （一）主成分分析的基本思想 主成分分析是采取一种数学降维的方法，找出几个综合变量来代替原来众多的变量，使这些综合变量能尽可能地代表原来变量的信息量，而且彼此之间互不相关。这种将把多个变量化为少数几个互相无关的综合变量的统计分析方法就叫做主成分分析或主分量分析。
主成分分析所要做的就是设法将原来众多具有一定相关性的变量，重新组合为一组新的相互无关的综合变量来代替原来变量。通常，数学上的处理方法就是将原来的变量做线性组合，作为新的综合变量，但是这种组合如果不加以限制，则可以有很多，应该如何选择呢？如果将选取的第一个线性组合即第一个综合变量记为1F ，自然希望它尽可能多地反映原来变量的信息，这里“信息”用方差来测量，即希望)(1F Var 越大，表示1F 包含的信息越多。因此在所有的线性组合中所选取的1F 应该是方差最大的，故称1F 为第一主成分。如果第一主成分不足以代表原来p 个变量的信息，再考虑选取2F 即第二个线性组合，为了有效地反映原来信息，1F 已有的信息就不需要再出现在2F 中，用数学语言表达就是要求0),(21=F F Cov ，称2F 为第二主成分，依此类推可以构造出第三、四……第p 个主成分。 （二）主成分分析的数学模型 对于一个样本资料，观测p 个变量p x x x ,,21，n 个样品的数据资料阵为： ?? ? ? ? ? ? ??=np n n p p x x x x x x x x x X 2 1 22221 11211 ()p x x x ,,21= 其中：p j x x x x nj j j j ,2,1, 21=???? ?? ? ??= 主成分分析就是将 p 个观测变量综合成为p 个新的变量（综合变量），即 ?? ???? ?+++=+++=+++=p pp p p p p p p p x a x a x a F x a x a x a F x a x a x a F 22112222121212121111 简写为： p jp j j j x x x F ααα+++= 2211 p j ,,2,1 = 要求模型满足以下条件：
主成分分析法(PCA) 在实际问题中，我们经常会遇到研究多个变量的问题，而且在多数情况下，多个变量之间常常存在一定的相关性。由于变量个数较多再加上变量之间的相关性，势必增加了分析问题的复杂性。如何从多个变量中综合为少数几个代表性变量，既能够代表原始变量的绝大多数信息，又互不相关，并且在新的综合变量基础上，可以进一步的统计分析，这时就需要进行主成分分析。 I. 主成分分析法(PCA)模型 （一）主成分分析的基本思想 主成分分析是采取一种数学降维的方法，找出几个综合变量来代替原来众多的变量，使这些综合变量能尽可能地代表原来变量的信息量，而且彼此之间互不相关。这种将把多个变量化为少数几个互相无关的综合变量的统计分析方法就叫做主成分分析或主分量分析。 主成分分析所要做的就是设法将原来众多具有一定相关性的变量，重新组合为一组新的相互无关的综合变量来代替原来变量。通常，数学上的处理方法就是将原来的变量做线性组合，作为新的综合变量，但是这种组合如果不加以限制，则可以有很多，应该如何选择呢？如果将选取的第一个线性组合即第一个综合变量记为1F ，自然希望它尽可能多地反映原来变量的信息，这里“信息”用方差来测量，即希望)(1F Var 越大，表示1F 包含的信息越多。因此在所有的线性组合中所选取的1F 应该是方差最大的，故称1F 为第一主成分。如果第一主成分不足以代表原来p 个变量的信息，再考虑选取2F 即第二个线性组合，为了有效地反映原来信息，1F 已有的信息就不需要再出现在2F 中，用数学语言表达就是要求 0),(21=F F Cov ，称2F 为第二主成分，依此类推可以构造出第三、四……第p 个主成分。 （二）主成分分析的数学模型 对于一个样本资料，观测p 个变量p x x x ,,21，n 个样品的数据资料阵为： ??????? ??=np n n p p x x x x x x x x x X 21 222 21112 11()p x x x ,,21=
主成分分析法原理简介 1.什么是主成分分析法 主成分分析也称主分量分析，是揭示大样本、多变量数据或样本之间内在关系的一种方法，旨在利用降维的思想，把多指标转化为少数几个综合指标，降低观测空间的维数，以获取最主要的信息。 在统计学中，主成分分析（principal components analysis, PCA）是一种简化数据集的技术。它是一个线性变换。这个变换把数据变换到一个新的坐标系统中，使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上，第二大方差在第二个坐标(第二主成分)上，依次类推。主成分分析经常用减少数据集的维数，同时保持数据集的对方差贡献最大的特征。这是通过保留低阶主成分，忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要方面。但是，这也不是一定的，要视具体应用而定。 2.主成分分析的基本思想 在实证问题研究中，为了全面、系统地分析问题，我们必须考虑众多影响因素。这些涉及的因素一般称为指标，在多元统计分析中也称为变量。因为每个变量都在不同程度上反映了所研究问题的某些信息，并且指标之间彼此有一定的相关性，因而所得的统计数据反映的信息在一定程度上有重叠。在用统计方法研究多变量问题时，变量太多会增加计算量和增加分析问题的复杂性，人们希望在进行定量分析的过程中，涉及的变量较少，得到的信息量较多。主成分分析正是适应这一要求产生的，是解决这类题的理想工具。 对同一个体进行多项观察时必定涉及多个随机变量X1，X2，…，X p，它们之间都存在着相关性，一时难以综合。这时就需要借助主成分分析来概括诸多信息的主要方面。我们希望有一个或几个较好的综合指标来概括信息，而且希望综合指标互相独立地各代表某一方面的性质。
（一）主成分分析法的基本思想 主成分分析（Principal Component Analysis ）是利用降维的思想，将多个变量转化为少数几个综合变量（即主成分），其中每个主成分都是原始变量的线性组合，各主成分之间互不相关，从而这些主成分能够反映始变量的绝大部分信息，且所含的信息互不重叠。[2] 采用这种方法可以克服单一的财务指标不能真实反映公司的财务情况的缺点，引进多方面的财务指标，但又将复杂因素归结为几个主成分，使得复杂问题得以简化，同时得到更为科学、准确的财务信息。 （二）主成分分析法代数模型 假设用p 个变量来描述研究对象，分别用X 1，X 2…X p 来表示，这p 个变量构成的p 维随机向量为X=(X 1，X 2…X p )t 。设随机向量X 的均值为μ，协方差矩阵为Σ。对X 进行线性变化，考虑原始变量的线性组合： Z 1=μ11X 1+μ12X 2+…μ1p X p Z 2=μ21X 1+μ22X 2+…μ2p X p …… …… …… Z p =μp1X 1+μp2X 2+…μpp X p 主成分是不相关的线性组合Z 1，Z 2……Z p ，并且Z 1是X 1，X 2…X p 的线性组合中方差最大者，Z 2是与Z 1不相关的线性组合中方差最大者，…，Z p 是与Z 1，Z 2 ……Z p-1都不相关的线性组合中方差最大者。 （三）主成分分析法基本步骤 第一步：设估计样本数为n ，选取的财务指标数为p ，则由估计样本的原始数据可得矩阵X=(x ij )m ×p ，其中x ij 表示第i 家上市公司的第j 项财务指标数据。 第二步：为了消除各项财务指标之间在量纲化和数量级上的差别，对指标数据进行标准化，得到标准化矩阵（系统自动生成）。 第三步：根据标准化数据矩阵建立协方差矩阵R ，是反映标准化后的数据之间相关关系密切程度的统计指标，值越大，说明有必要对数据进行主成分分析。其中，R ij （i ，j=1，2，…，p ）为原始变量X i 与X j 的相关系数。R 为实对称矩阵 （即R ij =R ji ），只需计算其上三角元素或下三角元素即可，其计算公式为： 2211)()() ()(j kj n k i kj j kj n k i kj ij X X X X X X X X R -=--=-=∑∑ 第四步：根据协方差矩阵R 求出特征值、主成分贡献率和累计方差贡献率，确定主成分个数。解特征方程0=-R E λ，求出特征值λi （i=1，2，…，p ）。 因为R 是正定矩阵，所以其特征值λi 都为正数，将其按大小顺序排列，即λ1≥λ2≥…≥λi ≥0。特征值是各主成分的方差，它的大小反映了各个主成分的影响力。主成分Z i 的贡献率W i =∑=p j j j 1λλ，累计贡献率为
主成分分析法 [ 编辑 ] 什么是主成分分析法 主成分分析也称 主分量分析 ，旨在利用降维的思想，把多 指标 转化为少数几个综合指标。 在 统计学 中，主成分分析（ principal components analysis,PCA ）是一种简化数据集的技 术。它是一个线性变换。 这个变换把数据变换到一个新的坐标系统中， 使得任何数据投影的第一 大方差 在第一个坐标 （称为第一主成分 ）上，第二大方差在第二个坐标 （第二主成分 ）上，依次类推。 主成分分析经常用减少数据集的维数， 同时保持数据集的对 方差 贡献最大的特征。 这是通过保留 低阶主成分，忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要方面。但是， 这也不是一定的，要视具体应用而定。 [ 编辑 ] ， PCA ） 又称： 主分量分析，主成分回归分析法 主成分分析（ principal components analysis
主成分分析的基本思想 在实证问题研究中，为了全面、系统地分析问题，我们必须考虑众多影响因素。这些涉及的因素一般称为指标，在多元统计分析中也称为变量。因为每个变量都在不同程度上反映了所研究问题的某些信息，并且指标之间彼此有一定的相关性，因而所得的统计数据反映的信息在一定程度上有重叠。在用统计方法研究多变量问题时，变量太多会增加计算量和增加分析问题的复杂性，人们希望在进行定量分析的过程中，涉及的变量较少，得到的信息量较多。主成分分析正是适应这一要求产生的，是解决这类题的理想工具。 同样，在科普效果评估的过程中也存在着这样的问题。科普效果是很难具体量化的。在实际评估工作中，我们常常会选用几个有代表性的综合指标，采用打分的方法来进行评估，故综合指标的选取是个重点和难点。如上所述，主成分分析法正是解决这一问题的理想工具。因为评估所涉及的众多变量之间既然有一定的相关性，就必然存在着起支配作用的因素。根据这一点，通过对原始变量相关矩阵内部结构的关系研究，找出影响科普效果某一要素的几个综合指标，使综合指标为原来变量的线性拟合。这样，综合指标不仅保留了原始变量的主要信息，且彼此间不相关，又比原始变量具有某些更优越的性质，就使我们在研究复杂的科普效果评估问题时，容易抓住主要矛盾。上述想法可进一步概述为：设某科普效果评估要素涉及个指标，这指标构成的维随机向量为。对作正交变换，令，其中为正交阵，的各分量是不相关的，使得的各分量在某个评估要素中的作用容易解释，这就使得我们有可能从主分量中选择主要成分，削除对这一要素影响微弱的部分，通过对主分量的重点分析，达到对原始变量进行分析的目的。的各分量是原始变量线性组合，不同的分量表示原始变量之间不同的影响关系。由于这些基本关系很可能与特定的作用过程相联系，主成分分析使我们能从错综复杂的科普评估要素的众多指标中，找出一些主要成分，以便有效地利用大量统计数据，进行科普效果评估分析，使我们在研究科普效果评估问题中，可能得到深层次的一些启发，把科普效果评估研究引向深入。 例如，在对科普产品开发和利用这一要素的评估中，涉及科普创作人数百万人、科普作品发行量百万人、科普产业化（科普示范基地数百万人）等多项指标。经过主成分分析计算，最后确定个或个主成分作为综合评价科普产品利用和开发的综合指标，变量数减少，并达到一定的可信度，就容易进行科普效果的评估。 [ 编辑] 主成分分析法的基本原理 主成分分析法是一种降维的统计方法，它借助于一个正交变换，将其分量相关的原随机向量转化成其分量不相关的新随机向量，这在代数上表现为将原随机向量的协方差阵变换成对角形阵，在几何上表现为将原坐标系变换成新的正交坐标系，使之指向样本点散布最开的p 个正交方向，然后对多维变量系统进行降维处理，使之能以一个较高的精度转换成低维变量系统，再通过构造适当的价值函数，进一步把低维系统转化成一维系统。 [ 编辑] 主成分分析的主要作用
第七章主成分分析 （一）教学目的 通过本章的学习，对主成分分析从总体上有一个清晰地认识，理解主成分分析的基本思想和数学模型，掌握用主成分分析方法解决实际问题的能力。 （二）基本要求 了解主成分分析的基本思想，几何解释，理解主成分分析的数学模型，掌握主成分分析方法的主要步骤。 （三）教学要点 1、主成分分析基本思想，数学模型，几何解释 2、主成分分析的计算步骤及应用 （四）教学时数 3课时 （五）教学内容 1、主成分分析的原理及模型 2、主成分的导出及主成分分析步骤 在实际问题中，我们经常会遇到研究多个变量的问题，而且在多数情况下，多个变量之间常常存在一定的相关性。由于变量个数较多再加上变量之间的相关性，势必增加了分析问题的复杂性。如何从多个变量中综合为少数几个代表性变量，既能够代表原始变量的绝大多数信息，又互不相关，并且在新的综合变量基础上，可以进一步的统计分析，这时就需要进行主成分分析。 第一节主成分分析的原理及模型 一、主成分分析的基本思想与数学模型 （一）主成分分析的基本思想 主成分分析是采取一种数学降维的方法，找出几个综合变量来代替原来众多的变量，使这些综合变量能尽可能地代表原来变量的信息量，而且彼此之间互不相关。这种将把多个变量化为少数几个互相无关的综合变量的统计分析方法就叫做主成分分析或主分量分析。
主成分分析所要做的就是设法将原来众多具有一定相关性的变量，重新组合为一组新的相互无关的综合变量来代替原来变量。通常，数学上的处理方法就是将原来的变量做线性组合，作为新的综合变量，但是这种组合如果不加以限制，则可以有很多，应该如何选择呢？如果将选取的第一个线性组合即第一个综合变量记为1F ，自然希望它尽可能多地反映原来变量的信息，这里“信息”用方差来测量，即希望)(1F Var 越大，表示1F 包含的信息越多。因此在所有的线性组合中所选取的1F 应该是方差最大的，故称1F 为第一主成分。如果第一主成分不足以代表原来p 个变量的信息，再考虑选取2F 即第二个线性组合，为了有效地反映原来信息，1F 已有的信息就不需要再出现在2F 中，用数学语言表达就是要求0),(21=F F Cov ，称2F 为第二主成分，依此类推可以构造出第三、四……第p 个主成分。 （二）主成分分析的数学模型 对于一个样本资料，观测p 个变量p x x x ,,21，n 个样品的数据资料阵为： ??????? ??=np n n p p x x x x x x x x x X 21 222 21112 11()p x x x ,,21= 其中：p j x x x x nj j j j ,2,1,21=?????? ? ??= 主成分分析就是将p 个观测变量综合成为p 个新的变量（综合变量），即 ???????+++=+++=+++=p pp p p p p p p p x a x a x a F x a x a x a F x a x a x a F 22112222121212121111 简写为： p jp j j j x x x F ααα+++= 2211 p j ,,2,1 = 要求模型满足以下条件：
一、概述 在处理信息时，当两个变量之间有一定相关关系时，可以解释为这两个变量反映此课题的信息有一定的重叠，例如，高校科研状况评价中的立项课题数与项目经费、经费支出等之间会存在较高的相关性；学生综合评价研究中的专业基础课成绩与专业课成绩、获奖学金次数等之间也会存在较高的相关性。而变量之间信息的高度重叠和高度相关会给统计方法的应用带来许多障碍。 为了解决这些问题，最简单和最直接的解决方案是削减变量的个数，但这必然又会导致信息丢失和信息不完整等问题的产生。为此，人们希望探索一种更为有效的解决方法，它既能大大减少参与数据建模的变量个数，同时也不会造成信息的大量丢失。主成分分析正式这样一种能够有效降低变量维数，并已得到广泛应用的分析方法。 主成分分析以最少的信息丢失为前提，将众多的原有变量综合成较少几个综合指标，通常综合指标（主成分）有以下几个特点： ↓主成分个数远远少于原有变量的个数 原有变量综合成少数几个因子之后，因子将可以替代原有变量参与数据建模，这将大大减少分析过程中的计算工作量。 ↓主成分能够反映原有变量的绝大部分信息 因子并不是原有变量的简单取舍，而是原有变量重组后的结果，因此不会造成原有变量信息的大量丢失，并能够代表原有变量的绝大部分信息。 ↓主成分之间应该互不相关 通过主成分分析得出的新的综合指标（主成分）之间互不相关，因子参与数据建模能够有效地解决变量信息重叠、多重共线性等给分析应用带来的诸多问题。 ↓主成分具有命名解释性 总之，主成分分析法是研究如何以最少的信息丢失将众多原有变量浓缩成少数几个因子，如何使因子具有一定的命名解释性的多元统计分析方法。 二、基本原理 主成分分析是数学上对数据降维的一种方法。其基本思想是设法将原来众多的具有一定相关性的指标X1，X2，…，XP （比如p 个指标），重新组合成一组较少个数的互不相关的综合指标Fm 来代替原来指标。那么综合指标应该如何去提取，使其既能最大程度的反映原变量Xp 所代表的信息，又能保证新指标之间保持相互无关（信息不重叠）。 设F1表示原变量的第一个线性组合所形成的主成分指标，即 11112121...p p F a X a X a X =+++,由数学知识可知，每一个主成分所提取的信息量可 用其方差来度量，其方差Var(F1)越大，表示F1包含的信息越多。常常希望第一主成分F1所含的信息量最大，因此在所有的线性组合中选取的F1应该是X1，X2，…，XP 的所有线性组合中方差最大的，故称F1为第一主成分。如果第一主成分不足以代表原来p 个指标的信息，再考虑选取第二个主成分指标F2，为有效地反映原信息，F1已有的信息就不需要再出现在F2中，即F2与F1要保持独立、不相关，用数学语言表达就是其协方差Cov(F1, F2)=0，所以F2是与F1不
三十种常用杀菌剂 通用名称有效成分商品名称作用机理防治对象氢氧化铜波 尔多液(Copper hydroxide) 氢氧化铜 可杀得101、冠 菌铜、杀菌得、 冠菌清、猛杀 得、瑞扑、真菌 克 主要靠铜离子，铜离子被萌发的孢子 吸收，当达到一定浓度时，就可以杀 死孢子细胞，从而起到杀菌作用，但 此作用仅限于阻止孢子萌发，也即仅 有保护作用。 细菌性病害，适用于瓜类的叶 斑病、早（晚）疫病、霜霉病、 炭疽病、立枯病等多种病害， 以保护作用为主。 代森锰锌(Mancozeb)代森锰锌 大生M45、大生 富、喷克、新万 生、山德生、丰 收、大胜 抑制菌体内丙酮酸的氧化。 主要防治蔬菜霜霉病、炭疽 病、褐斑病等。 三乙膦酸铝 乙磷铝Fosety-Aluminiu m 三-(乙基磷 酸)铝 疫霉灵、乙磷 铝、疫霜灵 抑制病原真菌的孢子的萌发或阻止孢 子和菌丝体的生长。 主要防治黄瓜和白菜霜霉病、 水稻纹枯和稻瘟病、棉花疫 病、烟草黑胫病、橡胶割面条 溃疡病、胡椒病 甲霜灵·锰锌metalaxyl+m ancozeb [D,L-N-(2,6- 二甲基苯 基)-N-(2甲氧 基乙酰)丙氨 酸甲酯] 瑞毒霉．锰锌、 蕾多米尔．锰 锌、 甲霜灵主要是抑制了对a-鹅膏蕈碱 不敏感的RNA聚合酶A，从而阻碍了 rRNA前体的转录，具体胡抵制机理尚 不清楚。代森锰锌主要是抑制菌体内 丙酮酸的氧化。 对霜霉菌、疫霉菌和腐霉菌所 致的病害均有效 氟吗啉flumorph 4-[3-(3,4-二甲 基苯基)-3-(4- 氟苯基)丙烯 酰]吗啉 灭克 有关氟吗啉的具体作用机制目前仍不 清楚。Kuhn等根据其杀菌谱、杀菌活 性及形态学方面的研究结果推测其主 要作用机制是干扰病菌细胞壁物质的 合成或组装。 防治卵菌纲病原菌引起的霜 霉病及晚疫病等病害.。 霜霉威Propamocarb 3-(二甲基 氨基)丙基 氨基甲酸丙 酯 普力克、霜霉威 盐酸盐、丙酰胺 可抑制病菌细胞膜的形成，抑制菌丝 生长和孢子萌发，减少孢子囊形成和 游动孢子数量，从而达到防治病害的 目的。 防治蔬菜、果树的霜霉病、疫 病、猝倒病（腐霉和疫霉）有 优异的效果（对霜霉病、晚疫 病特效）藻状菌引起的病害。 重点卵菌门 烯酰吗啉· 锰锌Mancozeb+ Dimethomorph, W．P． 4-[3-(4-氯苯 基)-3-(3,4-二 甲氧基苯氧 基)丙烯酰]吗 啉和代森锰锌 安克-锰锌 抑制卵菌细胞壁的形成而起作用,只 有Z型异构体有活性,但是,由于在光 照下两异构体间可迅速相互转变,因 此Z型异构体在应用屯E型异构体是 一样的, 用于防治霜霉病、疫病、灰霉 病等病害 氟吡菌胺· 霜霉威Fluopicolide+ Propamocarb 氟吡菌胺和 3-(二甲基 氨基)丙基 氨基甲酸丙 酯 银法利 主要作用于细胞膜和细胞间的特点特 异性蛋白而表现杀菌活性，具有独特 的“薄层穿透力”，可加强药剂的横向 传导性及纵向输送力，对病原菌的各 主要形态均有很好的抑制活性；另一 单剂霜霉威是一种氨基甲酸酯类杀菌 剂，其作用机理是抑制病菌细胞膜成 分的磷脂和脂肪酸的生化合成，抑制 菌丝生长、孢子囊形成和孢子萌发， 具有局部内吸作用 主要防治霜霉病、疫病、晚疫 病、猝倒病等常见卵菌纲病害 霜脲氰·锰锌Cymoxanil+M ancozeb 1-(2-氰基-2- 甲氧基亚胺 基)-3-乙基脲 和代森锰锌 克霜、霜霸、 克露、妥冻 通过抑制病原菌细胞线粒体的电子转 移使氧化磷酸化的作用停止，使病原 菌细胞丧失能量来源而死亡 对疫霉、壳二孢属、尾孢属等 真菌性病害如疫霉病、霜霉病 均特效。 多菌灵Carbendazim 苯并咪唑-2- 氨基甲酸丙酯 苯并咪唑44号、 棉萎灵、贝芬 替、保卫田、枯 萎立克、 干扰真菌的有丝分裂中纺锤体的形 成，从而细胞分裂 防治瓜类枯萎病、蔓枯病、炭 疽病、白粉病、霜霉病，叶斑 病等多种病