大发平台交流群-互动百科

来源：大发平台网投2022-03-08 17:48

内蒙古沙漠里开出年宵花 “沙漠蝴蝶兰”入万家******

　　(新春走基层)内蒙古沙漠里开出年宵花 “沙漠蝴蝶兰”入万家

　　中新网鄂尔多斯1月12日电题：内蒙古沙漠里开出年宵花　“沙漠蝴蝶兰”入万家

　　中新网记者张玮

　　距离春节还有10天，中国各地的年宵花拉开热销大幕。

　　《2023年宵花城市排行榜》显示，2022年12月最后一周，年宵花线上销量环比涨幅高达60%。目前已上线的近80款年宵花中，蝴蝶兰“热力”名列前茅，北京、广州、佛山、深圳、上海、西安等城市的蝴蝶兰销量均闯入前3位。

　　无论作为热门年礼，还是不少人的“心头好”，具有“洋兰王后”美称的蝴蝶兰从大漠“开进”千家万户。

　　2019年，中国第七大沙漠--库布齐沙漠腹地建起中国北方最大的蝴蝶兰基地，让原产自热带雨林国家的蝴蝶兰在大漠里花开正艳。

图为年宵花产品。　盒马花园供图

　　库布齐沙漠地处内蒙古自治区鄂尔多斯市境内，这里光照充沛，昼夜温差大，地下水源洁净，为培育蝴蝶兰提供了优良的自然条件。

　　具有输欧标准的连栋智能温室大棚，设有一万级无菌蝴蝶兰组培中心和自主培养基地，以及成立蝴蝶兰杂交、克隆组培的研发团队……2022年9月，位于鄂尔多斯市杭锦旗的沙漠盒马村正式挂牌，一期占地面积约4.4万平方米。

　　沙漠盒马村培育研发中心蝴蝶兰组培负责人刘金婵介绍，引进优质品种后，科技人员开展组织培养，把蝴蝶兰的花苗抽梗。“蝴蝶兰抽梗后，能让一支梗培育出1000株蝴蝶兰。”

　　蝴蝶兰组培的无菌环境要求非常严格，堪比医院的外科手术室。接种室的技术人员在玻璃操作台前，为蝴蝶兰的芽做着“克隆手术”，以达到增殖的效果。“整个环节，人的皮肤组织不能接触幼芽。”刘金婵如是说。

图为接种室的技术人员为蝴蝶兰的芽做“克隆手术”。　盒马花园供图

　　娇贵的蝴蝶兰“婴儿期”就要生活在瓶子里，从母瓶到子瓶，一共需要在玻璃瓶中生长8至12个月，但它却在科研人员的精心照拂下，具备了抗性强、生命力旺盛、花朵艳丽、花期长的新品种特性。

　　“沙漠蝴蝶兰”基地的花每天要享受12个小时的“日光浴”，并采用荷兰、以色列等国家的培育技术，让蝴蝶兰种苗全部“住”在恒温的可移动式植床上。

　　数据显示，蝴蝶兰组培中心成立近3年，可年产蝴蝶兰种苗1000余万株，每年研发、推广10至20个新品种。目前，“沙漠蝴蝶兰”基地有220多万株种苗，100多个蝴蝶兰品种。

　　如今，“沙漠蝴蝶兰”的成功培育打破中国“南花北调”的现状，可以实现反向输出，将内蒙古的蝴蝶兰调运至上海等基地，进行催花，最终开进千家万户。

图为“沙漠蝴蝶兰”组培中心。　盒马花园供图

　　做过小学音乐教师的“90后”张佳磊，如今是这些“沙漠蝴蝶兰”的“奶爸”，看着这些争奇斗艳的花朵，作为当地人的他感叹，以农牧业为主的杭锦旗曾是国家级贫困县，没有特色农业品牌。“能在北方沙漠里种出热带、亚热带地区的高附加值植物，且达到规模化和产业化，这对当地来说可谓是个奇迹。”

　　目前，“沙漠蝴蝶兰”基地有当地产业工人、管理人员共计150人，人均月收入可达5000元人民币。

　　盒马花园负责人履言介绍，随着物流运输条件成熟，“沙漠蝴蝶兰”从内蒙古运到北京，甚至比云南鲜花北上用时更短。

　　履言说，“沙漠蝴蝶兰”基地计划用3到4年的时间，扩建至现有面积的3倍，同时完备科技设施、加强科研实力，提高产量，将重年宵场景的蝴蝶兰变为四季销售。(完)

大发平台交流群

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（）