快3官网充值|购彩大厅APP | 在线登录-APP下载

加大保护力度 柬埔寨淡水渔业产量增加******

　　中新网金边1月12日电 (欧阳开宇 余湘珺)在相关保护措施之下，柬埔寨淡水渔业产量大增。

　　柬埔寨农林渔业部12日消息称，2022年至2023年首都金边和干拉省淡水鱼捕捞量达1481吨，同比增长四成。

　　每年年底和隔年年初是柬埔寨鱼汛季节，也是柬埔寨民众腌制“波罗福”(臭鱼)等食品的时候。在柬埔寨全国各地河流和湖泊，尤其是沿着洞里萨河和百色河都迎来鱼汛季节，渔民收获颇丰，此次鱼汛约有8000人参与制作“波罗福”、鱼露和熏鱼。

　　此前，柬埔寨农林渔业部和多个主管部门决定在洞里萨湖设立两个指挥部，以定期监测所有非法捕鱼活动，并在必要时进行干预。沿洞里萨湖的6个省份政府也与省法院和检察院合作，加强审理和调查所有非法捕鱼案件，以有效保护自然资源。

　　柬埔寨农林渔业部称，打击渔业非法捕捞活动成效明显，促使渔业产量大增。(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）