夯实粮食安全根基******

　　光明日报记者 陈晨

　　寒冬时节，山东省东营市东营区文汇街道王营村党群服务中心“党员驿站”一点儿也不冷清。因为要连线省农科院水稻专家，种植户们早早聚在这里。“今年，我们合作社的水稻要扩种700亩，得选好品种、用好技术种好粮，打响黄河口品牌，保证粮食稳产高产。”刚结束视频连线，东营区慧智农业专业合作社理事长王龙义信心十足地告诉记者。

　　在王营水稻种植基地，良种、良法、良机与良田有机结合，生产实现全程机械化。今年，合作社计划“小田变大田”，通过除埂、填沟，增加可耕种的土地面积，吸引更多种植能手投入水稻种植，加快新品种、新技术推广应用，努力提高粮食产量和种粮收益。

　　悠悠万事，吃饭为大。国家统计局公布的数据显示，2022年，全国粮食总产量达13730.6亿斤，比上年增加73.6亿斤，增长0.5%，连续8年站稳1.3万亿斤台阶。近日召开的中央经济工作会议和中央农村工作会议都提出，实施新一轮千亿斤粮食产能提升行动。

　　“食为政首，粮安天下。我们要从继续推进高标准农田改造、扩大良种覆盖等方面综合施策，落实落细各项惠农措施。”文汇街道党工委书记隋长杰说，要把实施新一轮千亿斤粮食产能提升行动融入到乡村振兴中，发挥好党支部领办合作社的引领示范作用，不断挖掘粮食增产潜力，更好地保障粮食安全。

　　【专家点评】

　　农业农村部农村经济研究中心主任金文成：

　　粮食安全是“国之大者”。2015年以来我国粮食产量连续8年稳定在1.3万亿斤以上。在国内资源、生态条件约束趋紧的背景下，粮食高位增产的难度越来越大。而随着我国城乡居民食物消费结构升级，粮食供需总量和结构性矛盾凸显。此外，当今世界处于百年未有之大变局，保障我国粮食安全刻不容缓。“实施新一轮千亿斤粮食产能提升行动”，是牢牢把握粮食安全主动权、确保粮食和重要农产品供给的重大战略安排，是我国实现中华民族伟大复兴、增强应对世界百年未有之大变局的底气所在。

　　提高粮食产能，必须以“提地力”为基础，抓住“科技增产”这个关键，把提高农业综合生产能力作为重大任务，全面落实藏粮于地、藏粮于技战略。一要保住耕地数量。落实耕地保护党政同责，严守18亿亩耕地红线，强化耕地非农用途管制，强化农业用途管控，落实好耕地利用优先序，确保耕地用于种粮的数量。二要提升耕地质量。下大气力加强耕地质量建设，大规模开展农田水利建设，大规模开展高标准农田建设，将永久基本农田全部建成高标准农田，全面增强农业抗灾减灾能力，实现粮食稳产高产。三要着力提高单产。在增产和减损上两头发力。深入实施种业振兴行动，打好种业翻身仗，突破种质创新、新品种选育、高效繁育等关键环节的核心技术，尽快培育一批具有重大应用前景和自主知识产权的突破性粮食优良品种。全面提高农机作业水平，促进良种良田良法配套、农机农艺农技融合，减少农机作业粮食损失；强化病虫害预测预报和统防统治，减少病虫害导致的粮食损失。稳步推进农业规模经营，大力发展以生产托管为主的农业专业化社会化服务，促进粮食生产节本增效增产提质。四要切实强化激励。着力调动和提升“两个积极性”。完善粮食主产区利益补偿机制，全面落实粮食安全党政同责，调动主产区抓粮积极性，让主产区抓粮经济上得实惠、政治上有待遇，多种粮、多打粮、多卖粮。健全种粮农民收益保障机制，构建价格、补贴、保险“三位一体”的扶持政策体系，调动农民种粮积极性，让农民种粮不吃亏，能获利、多得利。

　　《光明日报》（ 2023年01月05日 15版）

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