大发平台返点_在线用户注册平台 | 官网APP下载

长江流域水库群去年向中下游补水超60亿立方米******

　　中新网武汉1月18日电 (张芹 贾茜)记者从18日召开的长江水利委员会年度工作会议上获悉，2022年该部门精准实施两轮“长江流域水库群抗旱保供水联合调度”专项行动，向长江中下游补水61.6亿立方米，保障中下游356处大中型灌区农作物灌溉用水和秋粮丰收。

　　当前，长江流域水工程联合调度不断向“更广”“更强”迈进，纳入联合调度的水工程达111座，水工程综合效益得到充分发挥，防洪、供水、生态、航运和高温时段电力供应得到充分保障。

　　2022年，长江流域发生了1961年有完整实测资料以来最严重长时间气象水文干旱。长江水利委员会加强监测预报预警，组织会商115次，启动应急响应6次，下发调度令、调度意见54份，科学调度以三峡为核心的长江上中游控制性水库群。

　　过去一年，长江流域水生态保护治理加快推进。新增确定53条重点河流生态流量保障目标，基本实现流域干支流和重点湖泊全覆盖。强化131个控制断面生态流量实时监测、预报预警和响应处置，流域内重要河湖断面生态流量得以有效保障。开展生态调度试验10次，鱼类产卵量再创新高。(完)

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）