乐中彩票--(中国)百度百科

中央农村工作会议系列解读⑨打通农技推广“最后一公里”******

　　作者：刘丽、孙炜琳，中国农业科学院农业经济与发展研究所

　　中央农村工作会议强调，要依靠科技和改革双轮驱动加快建设农业强国。党的二十大报告绘就了实现高水平农业科技自立自强的宏伟蓝图，中央农村工作会议进一步吹响了科技驱动农业强国建设的号角。科技驱动农业强国建设既要“顶天”，又要“立地”，既要着眼于世界前沿技术和基础研究，争取世界农业科技前沿领域的话语权，又要面向产业需求，让先进前沿的农业科技成果下沉进村、入户、到田，让农民学得会、用得上。农技推广作为连接科技和经济的关键环节，是将先进前沿的农业科技成果转化为现实生产力、促进农村经济高质量发展的重要利器。

　　一、打通农技推广“最后一公里”，对加快科技驱动农业强国建设意义重大

　　《“十四五”全国农业农村科技发展规划》指出，到2025年，我国农业科技整体实力稳居世界第一方阵，农业科技进步贡献率达到64%。要实现这一目标，在很大程度上取决于农技推广的效率和质量。中央农村工作会议强调要着力解决好农业科技创新体系中存在的各自为战、低水平重复、转化率不高等突出问题。数据显示，2019年我国农业科研院所以及农业高等院校的科技成果转化率分别为18.86%与16.79%；根据科学技术部“农业科技成果转化项目”数据统计，我国涉农企业科技成果转化率也不足50%。打通农技推广“最后一公里”将极大提高我国农业科技成果转化率，将更多的农业科技成果转化为现实生产力和农民收益，对于提升农业科技创新整体效能、加快科技驱动农业强国建设具有特别重要的意义。

　　二、打通农技推广“最后一公里”仍面临较多挑战

　　改革开放以来，经过多年建设，我国逐步建立起以政府公益性农技推广机构为主、以科研院所和高校为代表的准公益性推广机构和以农业社会化服务组织为代表的市场性推广机构多元共存的农技推广体系。农技推广体系不断改革创新，为当前农业科技进步贡献率超过61%发挥了关键支撑作用，为保障国家粮食安全、引领产业升级、推动农业现代化发展做出了突出贡献。近年来，随着农业生产新业态的不断涌现，广大农业生产主体对农业技术的需求呈现多样化，打通农技推广“最后一公里”仍面临较多挑战，主要表现在：

　　政府公益性农技推广机构投入不足，提供的农技服务内容及技术类型与农业生产的多样化需求匹配度不够。市场性农技推广机构服务范围覆盖面窄，服务群体较为分散，推广的技术相对单一，无法解决区域性产业发展面临的技术难题。政府公益性农技推广机构与市场性农技推广组织没有形成合力，力量分散。从整体来看，科技成果的市场转化机制尚不健全，农技推广模式较为单一，农技推广手段较为传统，运用大数据、云计算等现代信息技术手段不充分。

　　三、打通农技推广“最后一公里”，提升农业科技创新体系效能

　　构建多元互补、高效协同的农技推广体系。进一步深化建设以政府公益性推广机构为主导，以科研院所、高校、农业社会化服务组织等为补充的多元化农技推广体系，加快完善“一主多元”的基层农技推广服务网络。构建协同互补的农技推广运行机制，强化公益性农技推广机构与准公益性及市场性农技服务机构的有效对接，明确多元主体的角色定位与功能发挥，促进农业科技成果转化应用。坚持政府公益性推广体系的主导地位，加大基层农技推广投入，设立专项保障经费，强化政府农技推广的公益性职能。

　　立足产业需求，强化市场导向，全方位提高农技推广效率和质量。坚持立足农业生产一线，强化市场在农技推广的导向和筛选作用，加强政府公益性农技推广队伍建设，搭建基层农技推广人员和科技研发人员交流平台，切实提高基层农技推广水平。扎实推进农业社会化服务，以产业需求为基础，鼓励以“农资+服务”、技术托管、示范带动等多种方式开展农技服务，优化资源配置，加速实现技术服务的专业化。立足现代农业集约化、标准化特征，大力推广科技示范园区、科技小院、项目带动、企业参与等新兴技术推广模式，切实提高农业技术推广成效。

　　充分利用新手段、新平台推动农业科技与产业融合，成果与市场结合。加强科技服务载体和平台建设，搭建集“农技需求－交流培训－农资交易－技术服务”等为一体的农业技术服务数字化平台，为农业技术推广提供精准化、智能化服务，助推农业科技与产业融合。整合资源，以新电商平台为基础，健全市场转化机制，加速农业科技成果与市场结合，以市场反哺产业和科研，实现互惠互利、良性循环。利用互联网新媒体手段搭建与农业生产者的技术交流平台，建立低成本、高效率、便利化的反馈互动机制，提高农业技术推广效率。

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）