“坚持人与自然和谐共生 共建清洁美丽世界”边会现场。中新社记者 余瑞冬 摄
中国实践
“中国在生物多样性保护方面取得了卓越成就”
藏羚羊受威胁等级从“濒危”降为“近危”, 云南野生亚洲象群上演一场“浪漫”的北上之旅,极度濒危的海南长臂猿成为全球20种长臂猿中唯一呈种群恢复状态的物种……诸多暖心故事,让中国在生活多样性保护方面的成效为世界瞩目。
“中国在生物多样性保护方面取得了卓越成就。”联合国《生物多样性公约》秘书处执行秘书穆雷玛表示,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》秘书处执行秘书伊丽莎白•穆雷玛在边会上作主旨发言。尹灵 摄COP15主席、中国生态环境部部长黄润秋表示,通过多年努力,中国有效保护了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了很好的恢复。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。
世界自然基金会全球总干事兰博蒂尼表示,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。”
世界资源研究所副总裁兼常务董事克雷格•汉森表示,中国过去十年在生物多样性保护上取得显著成效,包括划定生态保护红线,宣布设立昆明生物多样性基金、增加生物多样性保护资金等。
中国作用
“中国在推动全球生物多样性保护方面发挥关键作用”
“就其体量和影响力而言,中国在推动全球生物多样性保护方面发挥关键性的作用。”保尔森基金会副主席兼总裁戴青丽指出,中国生物多样性丰富,珍稀物种繁多,对这些自然瑰宝的有效保护本身就是对全球生物多样性保护事业的巨大贡献。
此外,在国际投资和贸易领域,中国已经发布了包括“一带一路”绿色投资原则在内的多个指南,为开展负责任的境外投资合作搭建了框架。中国商务部制定的“十四五”部门规划中,首次明确提出建设绿色贸易体系的目标,这将为开展可持续大宗商品贸易创造良好的政策环境。
戴青丽还表示,中国也正在成长为绿色金融的领跑者。例如,中国绿色债券的发行规模位居世界前列;中国担任了G20可持续金融工作组的共同主席,也在央行与监管机构绿色金融网络中牵头开展生物多样性对金融稳定的风险评估。中国政府相关部门还在研究和探讨在债务重组中实施“债务换自然”或“债务换发展”机制,兼顾债务国的生态和社会效益。
加拿大环境与气候变化部国际关系助理副部长斯蒂芬•德波尔表示,经过中方不懈的努力,COP15第二阶段会议才会取得成功。“希望未来几周,我们能共同努力,达成‘2020年后全球生物多样性框架’。该框架将汇集全球各国的力量来遏制生物多样性丧失以及自然与生态系统的退化。”
加拿大环境与气候变化部国际关系助理副部长斯蒂芬•德波尔在边会上作主旨发言。尹灵 摄中国理念
“‘美丽中国’理念使对自然的保护和热爱深入人心”
联合国前副秘书长索尔海姆表示,中国国家主席习近平提出“美丽中国”的理念,这一理念打动了我,因为该理念具有积极的意义,调动了民众的爱国情怀,使对自然的保护和热爱深入人心,并使自然保护成为一种向善的力量。
戴青丽指出,中国已开始采取行动推动环境可持续性。例如,“生态文明”不仅体现了中国传统文化中“天人和谐”的传统理念,还成为了指导近期政府决策的根本性原则,为自然生态保护提供了有力的保障。
克莱恩斯欧洲环保协会(英国)北京代表处首席代表龙迪提出,茶和咖啡和谐共存是不同文化和文明互相扶持共同发展的典范,两者皆为大自然的馈赠。人类和自然是相互依赖的,我们共处同一个人类命运共同体中。开放和包容的世界也是人与自然和谐共生的世界。传统中国制茶工艺尊重自然规律,可持续发展农业让人类社会和自然共同发展。
“我很高兴听到在中国,茶和咖啡能够在同一地区蓬勃发展。中国农业背后的思想与‘天人合一’的古代哲学理念相呼应。这是一个非常深刻的想法,当我们思考解决气候变化、生物多样性等挑战时,这个想法与当今世界有着不可思议的关联性。”EDF+商业,韧性粮食与林业主任凯蒂•安德森说。(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() |