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
世界自然基金会全球总干事：我们需要停止和扭转生物多样性丧失趋势******
中新网蒙特利尔12月8日电 “人类密切依赖大自然，如果我们现在不采取措施，将会承担大自然给我们的代价。”世界自然基金会全球总干事马克·兰博蒂尼日前警告称。
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。
在边会的主旨发言中，马克·兰博蒂尼指出，我们无须再向全世界赘述我们所遭受的自然世界的悲剧。全球80%的湿地和100万物种遭到了破坏，过去50年以来，全球陆地和海洋生物总量降低了69%。人类活动对大自然的影响，达到了史无前例的高度。人类活动不仅影响到自然，也会影响到人类自身的生活和经济，以及幸福度和愉悦感。
世界自然基金会全球总干事马克·兰博蒂尼在边会上作主旨发言。尹灵 摄“世界经济论坛中一半的议题都跟生物多样性有关，世界劳动组织有三分之一的议题都跟生物多样性相关，在农业和加工业领域里，生物体系的健康对我们至关重要。”他说。
兰博蒂尼强调，生物多样性和人类安全密切相关，我们需要停止和扭转生物多样性丧失的趋势，任何与这一目标背道而驰的行为都是无法被接受的。我们必须要把全部的精力集中到实现这一目标上来，人类社会的美好未来离不开大自然的保护。
“我们经历了从形成这些观点，到现在负责任地采取行动来减少对自然的损害后果(的过程)。企业界、政界、投资人、消费者都能参与其中，都拥有足够多的机会做出改变。”他呼吁道。(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
三分快三地图 |
)