家彩网注册网-家彩网官方

来源：家彩网登录2024-06-17 17:48

家彩网注册网

四川：绿色高效山地农业赋能乡村振兴******

　　中新网成都11月27日电 (单鹏)初冬时节，四川广元昭化区昭化镇的猕猴桃进入越冬管理期。在昭化镇朝阳村“省四星级现代农业园区”里，一株株猕猴桃树的树干被涂白剂“刷白”，工人三三两两修剪树枝。近来朝阳村村民居太高每天都要下地转一转，“把越冬管理做好了，来年才会有好收成。”他说。

　　广元是世界红心猕猴桃发源地和最大生产基地，但几年前，坐落在群山之间的朝阳村却是个“另类”。由于缺乏发展规划，该村土地零散，大部分土地以传统农作物种植为主，部分还是荒山和杂木林。“2017年我们来到当地支持山地农业发展，针对朝阳村做了详细规划，论证到底该发展什么产业、如何布局生产，最终确定在中低海拔区(500-700米)重点发展猕猴桃种植，稍高海拔区(700-900米)以桃李产业为主。”四川省农业科学院园艺研究所副所长、研究员陈栋表示。

果树冬管技术培训会现场。　四川省农业科学院供图

　　经过几年培育，朝阳村成为当地猕猴桃、桃的重要产区之一，并带动了周边村镇的果树产业发展。从荒山到遍地果园，朝阳村的蜕变是四川山地农业发展的缩影。近年来，四川山地农业走出一条从增产到提质的绿色高质量发展之路：特色产业在四川盆周山区以及贫困地区逐步发展，西南山地主要作物优质高产高效技术体系逐渐形成，优质粮油、茶叶、特色水果、道地中药材、特色食用菌、高原蔬菜品种选育取得显著成效。

　　“种植猕猴桃和桃后，村里发生了翻天覆地的变化。”居太高说，随着收入提高，村里路宽了、环境美了，土坯房也变成了漂亮的小楼房，“朝阳村人均年收入从几千元提高到2万多元，越来越多的年轻人愿意返乡搞农业。”

　　作为在高山地域环境下形成的农业形态，山地农业地块多、面积小、分布零散，这意味着发展山地农业比平原地区面临更多挑战：不仅机械化、规模化种植难以施展拳脚，交通、用水、土质差也是难题。“发展山地农业，种植技术相对复杂，首先要根据当地的土壤、气候条件选择适合的品种，其次要因地制宜确定栽培模式，防治病虫害、加强土肥水管理。在无法大规模机械化的条件下，局部只能尝试使用小型机械，比如小型割草机、移动式喷药机或移动液压施肥枪等。”陈栋表示。

　　“红心猕猴桃的主要问题是抗溃疡病能力弱，在山地条件下，高海拔导致的低温以及多雨环境会提高溃疡病的发病率。”据四川省农业科学院园艺研究所研究员涂美艳介绍，溃疡病是一种细菌性病害，具有隐蔽性、暴发性、毁灭性的特点，“我们在园区内不仅引进示范了不同类型猕猴桃优新品种，还和当地农业农村局共同示范应用了红心猕猴桃避雨设施栽培技术，设计了不同类型的避雨棚供种植户选择，还配套了智能水肥一体化设施，探索并推广了果粮套作模式，很好地预防了溃疡病的发生。”

　　四川有较多的山地和丘陵，发展山地农业对推动当地乡村振兴具有重要意义。谈及四川山地农业下一步发展时，四川省农业科学院党委书记吕火明表示，将围绕粮食安全发展好小麦、水稻、玉米等粮食作物，同时关注林下产品、功能性农产品、养殖等产业发展。同时将因地制宜关注产业多样化，发展适合山区的特色产业，开发农旅产品，推动农旅融合，“总的目标是通过发展山地农业带动乡村振兴。”

　　“在山地农业国际交流方面，我们与泰国、越南、老挝等东南亚国家以及阿根廷布宜诺斯艾利斯省加强交流、开展紧密合作。”吕火明表示，将进一步加快国外先进科技技术成果引进，为四川山地农业现代化注入强劲动力，还将推动自主科研成果“走出去”，提高四川农业科技的国际影响力。(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）

[责编：天天中]

阅读剩余全文（）