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
“坚持人与自然和谐共生 共建清洁美丽世界”主题边会在蒙特利尔举行******
中新网蒙特利尔12月8日电 《生物多样性公约》第十五次缔约方大会（COP15）第二阶段会议当地时间7日在加拿大蒙特利尔开幕。当天，“坚持人与自然和谐共生 共建清洁美丽世界”主题边会作为COP15中国角首场边会成功举行。
本次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，旨在进一步凝聚保护生物多样性全球共识，推动COP15第二阶段会议达成富有雄心、平衡、务实、有效、强有力且具变革性的“框架”。COP15主席、中国生态环境部部长黄润秋出席边会并作主旨发言。
COP15主席、中国生态环境部部长黄润秋出席“坚持人与自然和谐共生 共建清洁美丽世界”主题边会并作主旨发言 余瑞冬摄黄润秋表示，通过多年努力，中国生物多样性保护取得显著成效，有效保护了90%的陆地生态系统类型和74%的国家重点保护野生动植物种群，新增森林面积居世界首位，300多种珍稀濒危野生动植物野外种群得到很好恢复。中国的实践和成效表明，经济发展与生态保护不是非此即彼的“单选题”，人与自然是和谐共生的命运共同体。
黄润秋指出，今年10月胜利闭幕的中国共产党第二十次全国代表大会对推动绿色发展、促进人与自然和谐共生作出重大战略部署，宣示了中国与国际社会一道应对全球生态环境挑战，共建地球生命共同体的鲜明态度和责任担当。中国期待各方共同推动达成国际社会期待已久的、兼具雄心和务实平衡的“框架”，遏制并扭转生物多样性丧失的严峻形势，走上通往人与自然和谐共生的美好未来。
COP15主席、中国生态环境部部长黄润秋出席“坚持人与自然和谐共生 共建清洁美丽世界”主题边会并作主旨发言 尹灵摄边会由中国代表团团长、生态环境部副部长赵英民主持。联合国《生物多样性公约》秘书处执行秘书穆雷玛、加拿大环境与气候变化部国际关系助理副部长德波尔、世界自然基金会全球总干事兰博蒂尼等出席边会并作主旨发言。中国驻加拿大特命全权大使丛培武出席边会。
“中国在生物多样性保护方面取得了卓越成就。”穆雷玛表示，作为全球最大的发展中国家，中国在生物多样性保护领域发挥着独特作用，走出了一条既提高人们生活水平，又较好地保护生态的发展道路，为发展中国家提供了可供效仿和学习的模式。
联合国《生物多样性公约》秘书处执行秘书穆雷玛出席“坚持人与自然和谐共生 共建清洁美丽世界”主题边会并作主旨发言 尹灵摄德波尔向中方成功举办中国角边会表达祝贺。他表示，希望未来几周，双方能共同努力，达成2020年后全球生物多样性框架，“这将是大自然的胜利”。
兰博蒂尼表示，中国积极参与世界环境保护进程，尤其是担任COP15主席国以来采取了一系列措施，令人感到非常振奋。“接下来两周，我们将听到更多关于中国经验的分享。”
边会设置主旨发言、圆桌对话、案例分享等环节，邀请地方政府、非政府组织和企业代表，分享中国生物多样性保护和生态文明的典型案例，体现共建清洁美丽世界的理念，促进全球可持续发展。
“坚持人与自然和谐共生 共建清洁美丽世界”主题边会圆桌对话环节“茶与咖啡的对话” 余瑞冬摄在“茶与咖啡的对话”环节，中外嘉宾讲述了关于茶与咖啡的精彩故事，从两大饮品长达千年的种植史中，解读人与自然和谐共生的内涵。在案例分享环节，嘉宾通过从香禾糯到中药材，从土地修复到红树林湿地保护，从江豚到青头潜鸭等典型案例，展现了中国对于生态环境保护的独特智慧和辛勤付出，也阐明了中国逐绿前行的坚定决心。（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 |
)