凤凰彩票手机版APP - 平台推荐安卓版v2.9.1(2023已更新)

小寒：踏雪寻梅，年味渐浓******

　　小寒是冬季倒数第二个节气，它的到来意味着一年将近尾声。小寒一般于1月5-7日间交节，《月令七十二候集解》释其名曰：“小寒，十二月节。月初寒尚小，故云。月半则大矣。”在古人看来，寒冷是一个不断积聚的过程，冷气积久而寒，却未达极点，是谓“小寒”。冬至之后，冷空气频繁南下，各地气温持续降低，小寒临近“三九”，民谚有“冷在三九”“小寒一过，出门冰上走”“小寒胜大寒”等说法，可见此时的寒冷程度。

　　小寒时节，北方大部分地区正值田间歇冬，南方地区也多是从事果树修剪、小麦油菜追施冬肥、蔬菜越冬保暖等工作，农事并不忙碌。然而农人早已关心起来年的收成。人们常常根据小寒的气温、雨水变化预测来年的天气、农事。比如“小寒暖，立春雪”“小寒不寒，清明泥潭”，当年小寒温暖，预示来年立春前后有雪，清明雨水增多；“小寒雨蒙蒙，雨水惊蛰冻死秧”，若小寒阴雨，寒冷将持续到来年雨水、惊蛰；此外还有“小寒无雨，小暑必旱”“小寒不寒大寒寒”等。

　　寒冬腊月，人们注重饮食、保养身体，各地形成了各具特色的小寒食俗。比如南京人小寒要吃菜饭，取南京特色“矮脚黄”青菜、咸肉片、香肠片、板鸭丁，再剁生姜粒与糯米同煮，味道十分鲜美。广州人喜欢在小寒早上吃糯米饭。糯米饭不光是糯米，得配上炒香的广州腊味（腊肠、腊肉）、花生、碎白葱等，吃来有滋有味。江浙一带有小寒吃花生的习俗，花生可以健体，当地俗谚说“小寒喜庆长生果”“小寒花生食来年”。以传统中医观点来看，在经历春、夏、秋三季的消耗后，人体气血偏衰。“三九”最是寒冷，阴邪之气颇盛，此时合理进补可以抵御寒气侵袭，使得来年身体强健。小寒食补多讲究“温润”，即用一些温热食物补益身体，比如羊肉、鸡肉等肉类，核桃仁、大枣、龙眼肉等蔬果。正所谓“三九补一冬，来年无病痛”。

　　严寒之中，仍有花信如约而至。宋代女词人朱淑真有“葵影便移长至日，梅花先趁小寒开”的佳句。梅花带着独有的暗香，为寥落寒冷的天地增添了几分色彩。梅花自小寒时初绽，探梅寻芳者也日渐增多。梅与松、竹并称为“岁寒三友”，素以傲雪凌霜的高洁之姿得世人称颂。

　　陆游《游前山》有“屐声惊雉起，风信报梅开”之句。“风信”即“信风”，是应着花期时令吹来的风。一番风来，吹开了应季的花，古人从中挑选花期最准确的一种花作为这一节候的代表，称为“花信风”。明代谢肇淛《五杂俎》云：“二十四番花信风者，自小寒至谷雨，凡四月，八气二十四候，每候五日，以一花之风信应之。”古人以五日为一候，三候为一个节气，每年从小寒至来年谷雨，共有八个节气二十四候，每候都有一种花儿绽蕾开放，于是便有了“二十四番花信风”之说。明人王逵《蠡海集》整理了完整的花信风名目，以梅花为首，待到楝花开尽，花信风止，绿肥红瘦的夏季便来临了。

　　小寒三候一候梅花，二候山茶，三候水仙。梅花高洁，山茶富贵，水仙清雅。水仙多为家中水养，一球抽三五枝花茎，开四五朵白花，风姿绰约，雅号“凌波仙子”。文震亨《长物志》说水神冯夷服此花八石，由此得名“水仙”。不论是踏雪寻梅，还是在家中观赏水仙，都为小寒增添不少雅韵。

　　尽管此时寒近极致，但春的气息也渐渐弥漫开来。进入腊月之后，年味渐浓，人们开始忙着写春联、剪窗花、贴年画、采购年货等，陆续为春节作准备，日子便这般红火热闹起来。（杭州师范大学副教授袁瑾）

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）