地下工厂 地上花园******

　　园区雪景 金徽矿业旅游景区 供图

　　三季有花、四季常青，地下工厂、地上花园，这是很多游客参观甘肃徽县金徽矿业景区后的评价。近年来，该景区凭借自然地理优势和工业资源优势，以自然生态的良性循环为基础，以主题化、生态化、数字化、游乐化、情境化、动感化为设计手法，建造工业旅游景区，吸引大量游客前来旅游观光。近日，金徽矿业旅游景区被评为国家工业旅游示范基地，成为矿业开发、生态保护和文旅融合发展的典范。

　　冬天的金徽矿业被白雪覆盖，春夏之交的金徽矿业景区有劲松苍柏、鲜花迎宾……如果不是依山而建的厂房的提醒，游客很难想到自己正身处一座矿山。游客余先生选择夏天来这里参观学习，在它看来，金徽矿业旅游景区气候温润，生态良好，白天园区静谧美丽，虫鸣鸟叫声不绝于耳，夜晚灯光秀美，山色如画。

　　金徽矿业股份有限公司（以下简称“金徽股份”）是一家集铅、锌、银等矿产资源勘查、开采、加工、销售为一体的混合所有制矿山企业。金徽矿业旅游景区依托金徽股份郭家沟铅锌矿150万吨/年采选项目和绿色矿山建设而成。2019年，金徽股份成功入选国家级绿色矿山名录，被自然资源部评为国家级绿色矿山典范企业。

　　近年来，金徽股份践行“在保护中开发，在开发中保护”的理念，通过工程措施、生物措施，同步开展生态环境综合治理，坚持开展护林、种树、种草工作，实现矿区边开发边治理和绿化美化的全覆盖，让生态环境因资源开发而变得更加优美。

　　作为一家以矿业生产为主的上市企业，金徽股份在日常的生产建设中形成了矿井、尾矿库、主平硐等工业设施和景观，在生产中采用的机械化、自动化技术和作业模式，以及实物地质资料岩芯等，这些都是科普地质和工业技术知识的宝贵资源。

　　凭借良好的生态资源与工业文化资源，金徽股份逐步将整个矿业生产区域打造成一处特色鲜明的现代化工业旅游景区。

　　“我们严格按照国家4A级旅游景区标准要求，认真践行‘绿水青山就是金山银山’理念，在考察学习和借鉴先进经验的基础上，邀请景观设计单位对景区进行了规划设计，将其打造成一处以工业旅游和自然观光为主的特色旅游景区。”金徽股份董事长、总经理刘勇说。

　　为将工业资源很好地融入旅游，金徽股份建成了实物地质资料岩芯馆、展览馆，以及员工活动中心、生态停车场、培训中心和标准化的游客服务中心、游客购物中心、医务室、旅游厕所等。

　　“我们不仅在硬件设施上下功夫，还不断提升软件能力，为前来游玩参观的游客提供高质量的参观体验和服务，让游客通过金徽矿业这扇窗口了解工业资源的魅力。”刘勇说。

　　目前，金徽矿业旅游景区依托绿色矿山建设，建成了迎宾大道、迎宾瀑布、劲松迎客、矿工服务楼、磨浮车间、科技馆、音乐喷泉广场、红枫林、玫瑰园、朝凤亭、十里槐花长廊等景点。

　　“我们按照景观设计，建成了以工业旅游和自然观光为主，特色鲜明、科普性强的多条游览线路。全自动数字化磨浮车间、主平硐口、矿工服务楼、科技指挥中心等工业旅游项目，可让参观者全面了解矿业最新技术和控制水平。”刘勇介绍。

　　如今，游客到金徽矿业旅游景区游玩，不仅可以领略到景区玫瑰园、樱花大道等优美的自然生态风光，还可到实物地质资料岩芯馆观看完整保存的大量探矿岩芯，了解地质演变的科学知识；通过数字远程控制监控系统，观看工人在地下几百米辛勤劳作的工作画面；通过机械化作业，深入了解埋藏在井下亿万年的矿石模样；在标准化建设的5D影厅里，通过视觉、嗅觉、触觉等手段，体验深入地心的刺激和奇妙……游览下来，这一趟旅行就是内容丰富的科普之旅。

　　“地下工厂、地上花园”，坚持把矿区当景区来打造的金徽矿业是甘肃省绿色矿山发展的新标杆和新名片。如今，绿色矿山建设成效得到了多方认可，金徽矿业已成为政府、企业、高校等多方学习“绿色经验”的新基地。

　　“我们最大的特色就是在矿产资源开发过程中，尽可能减少对环境的扰动，将工业发展与生态文明建设、景区开发融合，努力发挥工厂变公园、矿山变景区的示范带动作用，推动区域旅游产业链长效发展，为推动矿业经济和区域经济社会高质量发展献出自己的力量。”刘勇说。（罗赟鹏 本报记者 张陇堂）

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