《非物质文化遗产旅游景区认定》公开征求意见******

　　本报讯（记者 李志刚）全国旅游标准化技术委员会近日发布旅游行业标准《非物质文化遗产旅游景区认定》（征求意见稿），公开征求意见。编制该标准旨在推动落实以文塑旅、以旅彰文，引导非遗有机融入景区，打造一批非物质文化遗产旅游景区（以下简称“非遗旅游景区”），以丰富旅游景区文化内涵，加强非遗保护和传承，引导非遗与旅游高质量融合发展。

　　该标准由总体要求、认定内容、认定方法等部分组成。在总体要求方面，包括非遗项目的保护传承状况、旅游景区的等级要求、安全生产状况等，同时明确非遗旅游景区认定坚持真实性、融合性、传播传承、可持续发展的基本原则；在认定内容方面，包括非遗项目、空间场所、环境条件、产品业态、非遗商品、政策保障、运营管理7个方面；在认定方法方面，明确了认定机构、认定程序、认定方式、动态管理等。

　　据了解，非遗与旅游融合成为近年来各地旅游景区发展的新趋势，全国各地涌现出一批非遗特色旅游景区，如2022年，中国非物质文化遗产保护协会公布2022年全国非遗与旅游融合发展优选项目名录，非遗旅游景区、非遗旅游小镇、非遗旅游街区、非遗旅游村寨4个类型共200个项目入选，其中78个为非遗旅游景区融合发展优选项目。

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