玛雅彩票客户端-玛雅彩票app

水利部：大力实施坡耕地水土流失治理******

　　国务院新闻办公室于1月12日举行新闻发布会，介绍加强新时代水土保持工作有关情况。水利部水土保持司司长蒲朝勇介绍，坡耕地因为地形的原因，极易造成水土流失，导致耕地质量下降，甚至对耕地造成损坏，直接威胁国家粮食安全。近年来通过监测显示，坡耕地水土流失面积占全国水土流失面积的比重有所上升，这表明坡耕地治理的速度相对缓慢，迫切需要加大坡耕地治理力度。

　　下一步，水利部将深入贯彻落实《意见》精神，会同有关部门聚焦耕地保护、粮食安全、面源污染防治，以粮食生产功能区和重要农产品生产保护区为重点，大力实施坡耕地水土流失治理，提高建设标准和质量。

　　一是积极筹措资金。国家有关部门继续支持坡耕地水土流失治理，地方要按照《意见》要求，多渠道筹措资金，加大投入力度。二是加强部门协同。发挥好水利部门牵头组织和统筹协调作用，加强部门间配合，一体推进坡耕地治理相关项目实施，形成有效的工作合力。三是完善建管机制。进一步完善工程建设和管理机制，大力推行以奖代补、以工带赈等建设模式，调动和发挥好村级组织、土地使用者、承包经营者的积极性，支持和引导社会资本和项目区群众参与工程建设。（记者 刘昊）

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）