点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
王毅：中国已具备建设世界最大国家公园体系条件******
中新网埃及沙姆沙伊赫11月16日电 “中国实际上已经具备了建设世界最大国家公园体系的基本条件，中国正通过试点尝试走出一条中国特色的国家公园管理体制。”
近日，《联合国气候变化框架公约》第二十七次缔约方大会(COP27) “气候传播与公众意识边会”在埃及沙姆沙伊赫举行，国家气候变化专家委员会副主任委员、中国科学院科技战略咨询研究院研究员王毅如是表示。
王毅指出，建设国家公园体系一方面可以把整个国家公园作为一个系统来保护，实现国家公园的高质量发展，使其自然生态系统具有完整性、原真性，同时更加强调人与自然的和谐；另一方面，在“双碳”背景下，构建一个以国家公园为主体的自然保护地体系。
图为王毅在“气候传播与公众意识边会”上进行演讲。 中新网记者 陈天浩 摄他认为，通过建立国家公园，既能够利用国家公园本身的教育功能来提高公众保护生态环境的意识；也能通过公众的参与，更好更快地推进中国国家公园的建设。
边会由中国新闻社与生态环境部宣教中心主办，中国新闻网承办，能源基金会协办。(完)
搜索
复制
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） [责编：天天中] 阅读剩余全文（）  视觉焦点
一分快3地图 |
)