共同加强“农业文化遗产保护”******

　　作者：王克修（湖南省委党校二级教授、湖南省中国特色社会主义理论体系研究中心研究员）

　　党的二十大报告指出，要“加大文物和文化遗产保护力度”。习近平总书记向全球重要农业文化遗产大会致贺信指出，“人类在历史长河中创造了璀璨的农耕文明，保护农业文化遗产是人类共同的责任。”我国全球重要农业文化遗产增至18项，数量居世界首位。全球重要农业文化遗产工作由联合国粮农组织启动，经过20年发展，22个国家65个项目获此殊荣。虽然全球重要农业文化遗产工作取得了很大进展，但也面临一些困难：一些国家认识不到位，申报积极性不太高，覆盖范围不广泛，有的获得认定后也没有很好保护和利用，等等。中国可抓住机遇，积极作为，不断引领，为全球重要农业文化遗产保护持续贡献中国力量。

　　全球重要农业文化遗产，是包含经济、生态、技术、文化、景观等多个层面的复合农业系统。被认定为全球重要农业文化遗产，具有重大意义。首先，展示了农业文明和中华优秀文化。农业生产实践、丰富的生态地理资源，创造了类型多样的农业文化遗产，成为向世界展示中国悠久农业文明和中华优秀文化的重要窗口。其次，助力乡村振兴战略的实施。农业文化遗产蕴含人地和谐的生态思想、丰富的农业生物多样性、环境友好的生态农业技术和有效的乡村治理理念，为乡村振兴提供借鉴。再次，为全球农业发展和生态文明提供宝贵智慧。一直以来，农耕文明为全球农业发展和生态文明贡献了中国智慧与中国方案。比如美国土壤学专家富兰克林，曾考察中国古老的农耕体系并著有《四千年农夫》。这本书成了美国有机农业的宝典。农业文化遗产是传统生态农业的精华，兼顾自然遗产、文化遗产和非物质文化遗产多重特征，可以为世界农业可持续发展做出新贡献。

　　为应对生物多样性减少、生态系统退化、全球气候变化、荒漠化与土地退化、本土性传统知识丧失等可持续发展重大问题，联合国粮农组织2002年发起全球重要农业文化遗产保护倡议。中国是该倡议的最早响应者、坚定支持者、成功实践者、重要推动者和主要贡献者。“农业文化遗产保护”概念有丰富内涵与独特价值：一是农业文化遗产是传统农业而非落后农业。农业遗产不同于一般意义上的传统物种、传统技术或传统农业工具，它是一个复合性系统。传统农业不是落后农业，现代农业不是取代传统农业，而是改良和提升传统农业。二是传统农业是可持续的农业生产系统。短缺资源与庞大人口之间的矛盾，特别是乡土中国人地关系高度紧张，使得勤劳智慧的农民积累创造了一整套独特的、精耕细作的传统农业耕作体系。中国传统农业从来就是循环可持续的农业，是“资源节约环境友好”型的生态农业，是人与自然和谐的有机农业。三是传统农业蕴含着生态大智慧。农耕文明最为可贵之处在于其顺天应时、取用有度、御欲尚俭、生态循环、多样平衡的实践智慧，以及“天人合一”“万物一体”“和而不同”的生态哲学。生态文明不是对工业文明的修修补补，而是需要时时从传统永续农耕中汲取营养，从而在认识论和世界观层面做出深刻改变。

　　联合国粮农组织、联合国发展计划署、全球环境基金等国际组织或机构以及一些国家的政府，共同提出保护“全球重要农业文化遗产系统”。全球重要农业文化遗产的评审标准包括：一是具有独特的传统生产方式和知识体系。二是在当地能支撑粮食安全和生计安全。三是含有丰富的农业生物多样性和环境生物多样性。四是遗产地必须具备全球重要性和公共产品价值。五是景观独特秀美。全球重要农业文化遗产的品牌对于地方知名度的提升、名特优产品的发展以及基于良好生态环境和深厚民族文化来发展旅游，具有非常重要的价值。借助重要农业文化遗产保护平台，世界各国应进一步加强农耕文化和农耕文明的交流互动。立足新时代，推动建设文明新形态、构建人类命运共同体，需要我们持续推进农业文化遗产保护实践，进一步挖掘其各方面的传承利用价值。

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