点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
二十大代表风采丨青海林业专家张锦梅：一“梅”苦寒三十载 高原见绿满城香******
中新网西宁10月10日电 题：青海林业专家张锦梅：一“梅”苦寒三十载 高原见绿满城香
作者 潘雨洁
深秋时节，高原小城青海省西宁市的丁香花朵早已开败。
“现在只剩叶子，你看不出它们的区别，”西宁市林业科学研究所党委书记、所长张锦梅指向山路旁高低错落的灌丛，对中新网记者说：“但到了明年四五月，这些不同品种的丁香又会竞相盛放，香气散遍山野，一路都能闻到。”
图为张锦梅在实验室工作。马铭言 摄说着，她从包里掏出剪刀，钻进树坑，边修剪枝条，边指点一旁的同事。
“这剪子她用了十几年，”西宁市林业科学研究所副所长满丽婷笑着说，“在田间地头，摆穴盘、播种、修剪……每次都跟所里的年轻人一起，手把手地教。”
起风了，山上冷飕飕，张锦梅却出了一头汗。“这株是暴马丁香，街面上很常见，”她说，“还有一些适应高寒的品种，比如四川丁香、辽东丁香，种在高海拔的三江源地区，可提高城镇绿化率。”
丁香是西宁市市花，种植历史已久。但传统品种多年未经选优慢慢退化，良种率降低，影响景观效果。
图为张锦梅(中)与同事在西宁北山查看丁香树。马铭言 摄自2013年成立以来，西宁市林业科学研究所开展丁香资源调查、品种收集、适生筛选等工作，先后从国内外引进收集各类丁香品种103个，建立全国首个丁香国家林木种质资源库，并通过播种、扦插、嫁接、组培等方式扩繁，培育良种。
“建立资源库后，可以长期、系统保存种质资源，为日后丁香的深入研究、杂交选育奠定种质基础。”张锦梅说。
站在西宁北山远眺，虽已深秋，周边群山绿意依旧，林丛掩映下的街区华灯初上，眼前的城市已与三十年前全然不同。
对此，张锦梅深有体会。
西宁地处黄土高原向青藏高原的过渡带，海拔2300米以上，干旱缺水、适宜树种少、春旱持续久。
图为张锦梅修剪丁香枝干。马铭言 摄“春天干风卷沙，地上升温，苗木枝干开始活动，”张锦梅介绍，“而根系地下的土壤还未化冻，营养水分无法输送，造成‘生理干旱’，存活率低。”
除了自然条件限制，上世纪九十年代，立地条件差、树种单一、造林技术落后，都直接影响苗木成活率。“那时候只能有啥种啥，年年栽树老地方，年年栽树不见树。”张锦梅回忆。
什么树能在干燥、风大、高寒条件下长期存活？张锦梅和同事们从选育树种开始探索。“选树就像选人，要选优培养。”她说，通过自然选育和人工干预，利用变异杂交出抗逆性更强的品种，还要经得住多年野外环境的检验，才算成功。
图为西宁北山上的丁香树。马铭言 摄“适地适树”培育的同时，他们也在不断改进旱作造林综合技术，根据不同梯度、立地条件，开挖水平沟、鱼鳞坑，整地节流、蓄水保墒；并采取株间、行间、带状混交模式，造“乔灌草”复层生态林，既可避免大面积病虫害，又能较好地发挥生态功能。
近三十年间，西宁市区南北两山森林覆盖率从7.2%上升到79%，在张锦梅看来，数字背后是坚持换来的“逆袭”：集生态景观、防风固沙、涵养水源等功能于一体的山林环抱城市，湟水两岸绿树成荫，气候变得湿润，“晴天一头土，雨天一腿泥”的记忆已经远去。
如今，张锦梅带着她的团队，致力将绿意播向更广阔的天地。为了在严重干旱的柴达木盆地建起防风固沙的“绿色长城”，他们选择杨树“家族”中耐旱性强的小叶杨作为骨架树种，选育采穗圃，已收集近300个杨树品种，为大规模推广种植打下基础。
图为张锦梅查看丁香生长情况。马铭言 摄林木生长周期长，从播种到开花需要多年守候，选育过程更是跋山涉水，艰苦异常。很多人耐不住、等不及，但张锦梅却坚持走了三十多年，而且越走越不想放慢脚步。
“只有真正投入大自然中，才感到‘大美青海’所言非虚。”张锦梅感慨，青藏高原是独特的地理单元和天然种质基因库，丰富的植物资源尚未被充分发掘、利用，“比起成就感，更意识到自身认知的浅薄，常常觉得时间不够。”
在她引导下，青年后辈们继续着对国土绿化和乡土树种的研究、保护和利用。
“功成有我，不必在我，”张锦梅说，这篇写在青藏高原山川大地上的“论文”，正在几代林业人的接续奋斗中未完待续。(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（）  视觉焦点
至尊彩票地图 |
)