应对重污染天气 黑龙江省生态环境系统在行动******
6日，哈尔滨市、绥化市分别出现重度污染天气，并将重污染天气Ⅲ级（橙色）预警提升至Ⅱ级（橙色）预警。为了做好重污染天气应对相关工作，省生态环境厅召开厅党组2023年第1次会议，听取哈尔滨市、绥化市大气污染防治工作情况汇报，并进行研究部署。
会议要求，重污染天气应对工作要不折不扣贯彻落实省委决策部署，统筹调配资源力量，有力有序推动各项工作开展，提升大气污染防治能力和水平。突出应急减排清单企业管控、散煤污染管控、国控站点周边管控，严格落实重污染天气应对工作机制，全力以赴保障全省环境空气质量。
6日至7日，省生态环境厅成立督导检查组，以“四不两直”方式检查哈尔滨市多个区域企业重污染天气应急减排措施落实情况，对于未按照应急预案执行停产或限产措施的企业，督导检查组责令企业按照要求停工停产限产。
在哈尔滨市道外区，督导检查组发现，美佳粉末涂料厂未按照“涂装印染环节、热压环节停产”的应急减排措施执行，责令该厂停工停产。哈尔滨团结锅炉集团有限公司应急减排措施执行不到位。隆瑞塑料包装有限公司违法使用散煤、污染治理设施运行不良，督导检查组将其移交执法人员查处。
在哈尔滨市道里区，督导检查组发现，按照哈尔滨市重污染天气应急减排清单中的应急减排措施，哈尔滨市道里区哈尔滨鑫麒印务有限公司、哈尔滨报达印务股份有限公司应为长期停产，现场却正在生产。
在哈尔滨市平房区，督导检查组发现，佳联（哈尔滨）食品有限公司预警应急期间，应急减排措施执行不严，5日减产量未达企业应急预案中设定的10%的比例（实际减产为7%）。益海嘉里（哈尔滨）粮油食品工业有限公司企业应急预案未更新、企业锅炉应急减排措施未执行、厂区环境管理不到位。
在哈尔滨市香坊区，督导检查组发现，红星路卡迪旺食品厂及哈尔滨柯迈斯工具有限公司合围区域院内与哈尔滨烨泽包装印刷有限公司烟囱冒黑烟，均存在违法使用散煤的现象。
督导检查组在企业检查时要求，各相关部门和单位要切实履行生态环境保护主体责任，实地开展重污染天气应对专项督导检查，及时更新应急减排清单，以执法高压态势促进空气质量全面好转。企业要提高生态环境保护意识，兼顾经济效益与生态环境保护，接到重污染天气预警通知后，按要求迅速落实应急减排措施，待重污染天气预警结束后尽快恢复生产。
执法检查既要有力度，也要有温度。在检查生产企业时，督导检查组在检查过程中，就如何抓好固废管理、扬尘管控、落实重污染天气减排措施等问题和企业进行座谈交流，手把手教方法、传经验。
督导检查组负责人表示，将持续为企业纾困解难，帮助企业解决生产过程中遇到的环保问题，落实重污染天气应急减排措施，促进企业增强守法意识，提升环境管理水平。
此外，我省多地按照省生态环境厅部署，成立监督检查组开展重污染天气应急执法检查，对出现问题的企业督促整改。通过省市联动，确保各地做好重污染天气应对工作。
绥化市生态环境局成立24个强化监督检查组，对辖区减排清单内的企业污染防治设施运行、加药记录、在线自动监控系统运行、煤场渣场等物料堆场苫盖、应急减排措施落实情况进行检查，共检查企业189家次，棚户区32个，街边商户38家，清理露天烧烤12处，查处烟花爆竹燃放14起，发现1家企业灰渣未封盖，已对其进行督促整改，企业已立行立改。
牡丹江市生态环境保护综合行政执法局组织全市10个县（市）、区执法大队出动28名执法人员，对全市27家涉气企业开展执法检查，重点检查企业大气污染防治设施及在线监控设施是否正常运行、三堆是否覆盖、排污许可证制度执行情况、重污染天气应急预案制定落实情况，均未发现异常。
根据省生态环境监测中心预测，我省部分地区污染天气仍将持续。8日，哈尔滨、绥化、牡丹江、鸡西地区空气质量以轻度—中度污染为主，局地短时可能出现重度污染。9日至10日，哈尔滨、绥化地区空气质量以良—轻度污染为主。11日，哈尔滨、大庆、绥化地区空气质量以良—轻度污染为主。
省生态环境厅负责人表示，全省生态环境系统将严格落实省领导关于大气污染防治的有关批示要求，持续加大执法检查力度，紧盯列入污染减排清单企业减排措施落实工作，严防死守，坚决督促企业管控措施落实到位；紧盯散煤污染，重点关注城中村、城乡接合部、棚户区散煤使用情况，抓紧推进《黑龙江省散煤污染治理实施方案（试行）》，推动实施散煤源头减量、散煤清洁替代、供应能力提升、基础设施保障“四项工程”，推动污染源头治理。（吴玉玺）
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
