凤凰彩票平台-凤凰彩票投注

云南依靠科技——把天拉长 把地拉宽******

　　【在这片辽阔的土地上㉙】

　　光明日报记者 张勇 光明日报通讯员 云先锋

　　千百年来，水稻都是种在水田里，可云南澜沧的高山旱地，不仅能种水稻，还能大丰收。这真是个新鲜事！

　　云南多山，灌溉条件有限，水稻产能长期缺口较大。山区农民的口粮，以玉米等杂粮为主，想吃大米就要外购。

　　这样的状况发生改变，是从2021年5月开始的——中国工程院院士朱有勇率领云南农业大学团队来到澜沧县，在竹塘乡蒿枝坝村的山地上，试验旱地杂交水稻高产优质栽培技术。种子是云南农大稻作研究所培育的新品种。

　　“我们祖祖辈辈都在旱地上种苞谷。旱地种水稻？怎么可能！”不仅蒿枝坝的拉祜族群众议论纷纷，县乡两级农技推广人员心里也没底。

　　但让村民们感到惊奇的是，这些旱地上种的水稻真的自始至终不用浇水灌溉——谷种播种到干燥的土壤里，等雨水落地，稻谷秧苗便破土而出。只靠喝雨水，这些水稻就能茁壮成长，结穗弯腰！

　　“澜沧地区降雨量在1400毫米以上，所以我们在澜沧旱地种的水稻都不用人工浇水。”云南农大稻作所所长文建成解释，“事实上，云南多数山区旱地种水稻都不用浇水，只有降雨量在1200毫米以下的地区才需要人工补点水。”

　　其实，新稻种的种植，并非一帆风顺。稻谷秧苗长出来时，杂草也疯长，“地老虎”等害虫也猖獗起来。为防治植物病虫害，朱有勇经常蹲在稻地里，指导村民科学除草杀虫，闯过了一道道难关。

　　“我们的旱地水稻从耕地、播种、除草、收割都是机械化，打农药用无人机。依靠科技种田给村民们做示范，省劳动力，每亩比水田水稻节省成本五六百元。”朱有勇告诉记者。

　　蒿枝坝的村民们看着试验田旱地里金灿灿的水稻，纷纷要求把玉米地改种水稻。2022年，仅竹塘乡就种植水稻旱种7861亩。他们的付出，很快得到了回报。

　　2022年9月，蒿枝坝的稻谷丰收之际，中国工程院有13名院士齐聚这里，见证示范种植的405亩杂交稻旱种的丰收：一穗穗金黄的稻谷压弯了腰，连片的杂交稻旱种犹如金色的海浪阵阵翻滚。收割机很快收获了满满一车的新鲜稻谷，专家组经过现场称重得出了结果——平均亩产690.9公斤，比传统旱稻产量提高了近400公斤。

　　“水稻上山有效解决了澜沧水田少、旱地多、水稻产量不足的问题，适宜在广大山区推广，对云南‘稳口粮’工程具有重大现实意义！”文建成向记者介绍，“2022年，澜沧县20个乡镇推广水稻旱种的2.7万亩，全部获得丰收！”

　　澜沧县水稻旱种的成功，是整个云南粮食生产的一个缩影。近年来，云南省针对粮食安全结构性问题，把水稻旱种作为“稳口粮”的一项重要举措，在中低海拔雨热资源丰富的地区，探索水稻旱种绿色高效栽培技术，创建省、州、县三级示范样板77片，示范面积2.1万亩。

　　在示范样板的带动下，2021年和2022年，两年间，云南分别示范推广水稻旱种24万亩、53万亩，覆盖59个县（市、区），并由海拔1700米以下扩展到1900米左右的区域。

　　云南省级财政还安排1亿元资金，按每亩200元的补助标准支持水稻旱种。农技推广部门为水稻旱种提供科技支撑，对农技人员、合作社、种粮大户进行培训，举办技术培训班1896期次、培训130万人次。

　　“我们研究的是什么？就是依靠科技，把天拉长，把地拉宽，在一亩地里面，尽量提高土地的生产率，端牢中国饭碗。”朱有勇说。

　　《光明日报》（ 2023年01月03日 01版）

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）