百姓彩票|百姓彩票

COP15开启全球生物多样性恢复“新十年”******

　　(生物多样性大会)COP15开启全球生物多样性恢复“新十年”

　　中新社昆明10月15日电 题：COP15开启全球生物多样性恢复“新十年”

　　中新社记者 胡远航 陈静

　　《生物多样性公约》第十五次缔约方大会(COP15)第一阶段会议15日下午在中国昆明落幕。大会成功举办高级别会议，发布了“昆明宣言”，推进《生物多样性公约》的进程，为下一阶段会议的成功提供了重要保障。

　　《生物多样性公约》秘书处执行秘书伊丽莎白·穆雷玛评价称，“此次大会是一次非比寻常的大会，让生物多样性恢复走上‘复苏之路’。”

　　为全球生物多样性治理提供了高级别政治推动力

　　受新冠疫情影响，COP15的会期两次推迟，最终确定于今年10月和明年分两阶段举行。刚刚落幕的第一阶段会议以线上线下结合的方式召开，包含高级别会议、生态文明论坛等，吸引来自140多个缔约方及30多个国际机构和组织，共计5000余位代表参会。

　　在为期两天的高级别会议中，共有9位国家政要以及联合国秘书长出席了领导人峰会，119个缔约方和26个国际机构和组织共计125位部长级代表和24位驻华大使出席了会议。会议规格之高，出席的国家领导人之多，在《生物多样性公约》缔约方大会历史上是第一次。

　　会中，多国领导人和国际组织负责人呼吁，各国要团结一致，采取务实行动，加强全球生物多样性保护和生态环境治理。要尽快采取行动，促进知识创新和惠益分享，加大资金、技术和能力保障等。

　　中国生态环境部部长、COP15主席黄润秋称，此次高级别会议，为全球生物多样性治理提供了高级别的政治推动力，为下一阶段的工作指明了方向。

　　“昆明宣言”，指明新十年生物多样性恢复之路

　　第一阶段会议13日通过“昆明宣言”，这是大会的主要成果之一。“昆明宣言”承诺确保制定、通过和实施一个有效的“2020年后全球生物多样性框架”，以扭转当前生物多样性丧失趋势，并确保最迟在2030年使生物多样性走上恢复之路，进而全面实现“人与自然和谐共生”的2050年愿景。

　　除此之外，“昆明宣言”还作出“增加为发展中国家提供实施‘2020年后全球生物多样性框架’所需的资金、技术和能力建设支持”“各国政府继续合作推动将保护和可持续利用生物多样性纳入或‘主流化’到决策中”“加强和建立有效的保护地体系”等16项承诺。

　　伊丽莎白·穆雷玛表示，“昆明宣言”集中反映各方的政治意愿，向国际社会发出遏制生物多样性丧失的强烈政治信号。

　　中国方案，引领全球生物多样性保护

　　本届大会主题为“生态文明：共建地球生命共同体”，这是联合国环境公约缔约方大会首次将“生态文明”作为大会主题。会期，线下现场还举办生态文明论坛，围绕“应对气候变化与保护生物多样性”“生态文明与生物多样性保护主流化”“绿水青山就是金山银山：从理念到实践”等议题进行了深入探讨，并发布“保护生物多样性，共建全球生态文明”倡议。

　　“生态文明”“绿水青山就是金山银山”等中国智慧，成为此次论坛的热频词。联合国环境规划署执行主任英厄·安诺生说，“绿水青山就是金山银山”的理念已被中国社会广泛接受，这提升了中国在生物多样性保护方面的引领者地位。伊丽莎白·穆雷玛称赞，在应对生物多样性丧失、生态系统退化、污染和气候变化等全球危机方面，中国政府取得了非凡的成就，这在论坛中得到充分体现。

　　此外，本次会议还审议《生物多样性公约》缔约方大会、《卡塔赫纳生物安全议定书》和《名古屋议定书》缔约方会议闭会期间的工作进展情况等，通过了《生物多样性公约》秘书处提出的2022年临时预算，为下一阶段的会议成功提供了重要保障。

　　“在疫情还在蔓延的特殊情况之下，我们还能在一些关键领域取得进展，表明我们有能力适应变化，并且能够在明年举行的第二阶段会议取得新的进展。”伊丽莎白·穆雷玛透露，第二阶段，各缔约方还将持续推进未决的问题，包括在昆明达成兼具雄心、务实和平衡的框架，制定与框架匹配的金融支持和机制等。(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）