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
世界资源研究所副总裁克雷格·汉森：生物多样性保护需重视“生产、保护、减少、修复”的框架路径******
中新网蒙特利尔12月8日电 “生态系统服务是经济发展和人类福祉的基础。当我们思考未来十年如何拯救生物多样性时，应重视一个重要的框架路径：‘生产、保护、减少、修复’。”
世界资源研究所副总裁兼常务董事克雷格·汉森7日在COP15第二阶段会议“坚持人与自然和谐共生 共建清洁美丽世界”边会上作视频发言时如是表示。他认为，这一策略涉及到影响生态系统和生物多样性的基本问题。
世界资源研究所副总裁兼常务董事克雷格·汉森在边会上作视频发言。 尹灵 摄“首先，我们需要生产世界所需的粮食和纤维，但要减少对生态系统的负担，以更少的资源生产更多的东西。其二，我们需要保护现存的自然，由森林、草原、湿地、珊瑚礁、海洋生态系统协同组成的自然。其三，我们需要通过减少食物损失和浪费、或减少人类活动污染等方式来减轻对生态系统的压力。最后，我们需要修复已经丧失的自然生态系统。”
在克雷格·汉森看来，这一策略不仅有助于满足人类需求和促进人类经济发展，也可保护所有形式的生命多样性，包括遗传多样性、物种多样性和生态系统多样性。
当地时间12月7日，COP15第二阶段会议“坚持人与自然和谐共生 共建清洁美丽世界”边会在加拿大蒙特利尔举行，边会由生态环境部环境与经济政策研究中心、中国新闻社主办，中国新闻网承办。(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（）  视觉焦点
盈彩网地图 |
)