凤凰快三|凤凰快三

2022年广州空气质量改善再获突破******

　　广州日报讯 (全媒体记者杜娟 通讯员穗环宣)2022年广州市蓝天保卫战取得积极进展，空气质量改善再获突破。记者1月16日从市生态环境局获悉，2022年，广州市5项污染物指标明显优于国家二级标准，均同比下降或低浓度持平。其中，PM2.5平均浓度22微克/立方米，全年每天达标，再创新低，在国家中心城市中保持最优。此外，空气质量优等级天数同比增加50天；“十三五”期间一直超标的二氧化氮实现连续三年稳定达标，平均浓度创历史新低。

　　落实“控车、降尘、少油气”七字治气方针

　　2022年，广州坚持系统治理，制定实施全年工作总计划、年中专项行动方案、年末百日攻坚强化方案等，推进落实“控车、降尘、少油气”的治气思路，深化PM2.5和臭氧协同控制。2022年新增纯电动巡游出租车1823辆，占比超90%；累计推进氢燃料电池车辆约300辆；注销国Ⅲ排放标准营运柴油货车1901辆；全市1278个涉油工地94%落实使用合格油品措施；6艘珠江游电动船投入运营，全港岸电覆盖率超90%。检查挥发性有机物生产、销售企业745家次，查处相关环境违法行为；对132家涉挥发性有机物重点企业进行分级管理，推进升级改造；全市362家企业完成一轮次污染物吸附设施的更新，565座加油站、18座储油库完成密闭性检查，完成17家企业50多万个密封点泄漏检测与修复。开展扬尘防治日常检查、“回头看”抽查和专项巡查，检查建设工地10000余个次，立案处罚建筑废弃物违规排放运输1180宗。

　　加强科研支撑，开展专项执法

　　充分发挥大气环境预警防控专家团队作用，建立专家帮扶工作机制；建设13个挥发性有机物组分监测站，黄埔、白云、番禺区建成293个小型空气质量监测站，在300辆出租车上安装空气质量移动监测系统，用好广州塔垂直监测数据，每日提供重点管控区域及重点抽查企业建议名单，为科学治气提供技术支撑。

　　利用铁塔公司视频监控、小型空气质量监测站、在线监控、走航监测、无人机巡查、遥感监测、黑烟车抓拍、电力监控等技术锁定污染源，精准打击，严格查处环境违法行为。7月以来开展挥发性有机物专项执法行动、百日攻坚执法保障行动共检查企业4429家次，发现问题企业812家，立案调查89宗，责改403宗，取缔关闭15家。

　　约谈石化行业相关企业和重点用车大户，压实重点企业臭氧污染防治社会责任；发布《关于错峰卸油、夜间加油和绿色出行的倡议书》《关于重点企业加强污染减排的倡议书》，督促签订《广州市柴油车重点单位环保用车公开承诺书》，引导全民参与治气。

　　2023年广州大气治理的工作重点有哪些？

　　2023年广州大气治理的工作重点又有哪些？市生态环境局有关负责人表示，将继续按照“控车、降尘、少油气”的治气思路，牵头持续深入打好蓝天保卫战，重点做好六方面工作。

　　强化科技支撑。强化大气环境预警项目的支撑，深化臭氧、PM2.5协同控制研究，注重边研究、边产出、边服务。

　　收严排放标准。生物质、燃气锅炉执行《锅炉大气污染物排放标准》(DB44/765-2019)特别排放限值通告，氮氧化物标准由150毫克/立方米收严至50毫克/立方米。2023年全市推广使用国6b标准车用汽油，实施重型柴油车国6b排放标准。

　　深化移动源污染防治。协调巡游出租车、市中心区公交车全面实现纯电动化，组织落实国Ⅲ柴油货车分步限制通行措施；协调推进国Ⅲ营运柴油货车淘汰。

　　加强挥发性有机物污染治理。加快推进含挥发性有机物原辅材料源头替代；实施石化、化工和表面涂装等重点领域深度治理，提升泄漏检测与修复工作水平，推进502个储油罐挥发性有机物排放控制。

　　强化面源污染精细化管理。聚焦建筑施工、城市道路、线性工程、运输车辆和裸露地面等领域扬尘污染源，协调督促建设工程严格落实“6个100%”要求，加强余泥运输车辆规范化管理。

　　精准应对污染天气。加强空气质量会商和专家研判，动态更新污染天气应对减排清单并落实应对减排措施，利用在线监测、走航监测、无人机巡航、电量监控等科技手段，实施针对性管控。

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）