凤凰彩票邀请码_在线登录平台网址入口下载 - 官网网站首页

推动绿色发展促进人与自然和谐共生【解读新修订的野生动物保护法】******

□ 本报记者 　赵晨熙

　　野生动物是地球上所有生命和自然生态体系的重要组成部分，它们的生存状况同人类可持续发展息息相关。

　　现行野生动物保护法于1988年制定，2004年、2009年和2018年三次修正，2016年进行了修订。现行野生动物保护法对加强野生动物及其栖息地保护和拯救繁育工作、维护生物多样性、推进生态文明建设发挥了重要作用。

　　2022年12月30日，十三届全国人大常委会第三十八次会议表决通过了修订后的野生动物保护法，将于2023年5月1日起施行。

　　全国人大常委会法工委经济法室主任岳仲明在接受记者采访时指出，此次野生动物保护法修改，加强对重要生态系统保护和修复，坚持保护优先、规范利用、严格监管的原则，积极回应社会关切，进一步完善野生动物保护和管理制度，加大对违法行为的处罚力度，做好与生物安全法、动物防疫法、畜牧法等相关法律的衔接，秉持生态文明理念，以推动绿色发展，促进人与自然和谐共生。

　　岳仲明重点从五个方面介绍了主要修改内容。

　　新修订的野生动物保护法加强了对野生动物栖息地的保护，明确依法将野生动物重要栖息地划入国家公园、自然保护区等自然保护地进行严格保护。将有重要生态、科学、社会价值的陆生野生动物纳入应急救助范围，加强野生动物收容救护能力建设，建立收容救护场所，配备相应的专业技术人员、救护工具、设备和药品。

　　随着我国生态环境持续改善，野生动物种群得到有效恢复，一些地方野猪等野生动物泛滥成灾，危害群众人身财产安全和农牧生产。对此，新修订的野生动物保护法细化了野生动物种群调控措施，规定县级以上人民政府野生动物保护主管部门根据野生动物及其栖息地调查、监测和评估情况，对种群数量明显超过环境容量的物种，可以采取迁地保护、猎捕等种群调控措施，对种群调控猎捕的野生动物按照国家有关规定进行处理和综合利用；明确根据实际情况和需要建设隔离防护设施、设置安全警示标志等，预防野生动物可能造成的危害。同时，明确将中央财政对致害防控的补助范围由国家重点保护野生动物扩大到其他致害严重的陆生野生动物。此外，规定在野生动物危及人身安全的紧急情况下，采取措施而造成野生动物损害的，依法不承担法律责任。

　　外来物种入侵，破坏生态平衡，为加强外来物种防控，新修订的野生动物保护法明确规定，从境外引进的野生动物物种不得违法放生、丢弃，确需将其放生至野外环境的，应当遵守有关法律法规的规定；发现来自境外的野生动物对生态系统造成危害的，县级以上人民政府野生动物保护等有关部门应当采取相应的安全控制措施。同时规范野生动物放生活动，要求国务院野生动物保护主管部门会同国务院有关部门加强对放生野生动物活动的规范、引导。

　　2020年2月24日，十三届全国人大常委会第十六次会议通过《全国人民代表大会常务委员会关于全面禁止非法野生动物交易、革除滥食野生动物陋习、切实保障人民群众生命健康安全的决定》。为做好与全国人大常委会有关决定的衔接，新修订的野生动物保护法明确禁止食用国家重点保护野生动物和国家保护的有重要生态、科学、社会价值的陆生野生动物以及其他陆生野生动物，禁止以食用为目的猎捕、交易、运输在野外环境自然生长繁殖的陆生野生动物；同时加大对相关违法行为的处罚力度。

　　现行野生动物保护法对人工繁育技术成熟稳定的国家重点保护野生动物管理制度作了规定，新修订的野生动物保护法将这一制度扩展到有重要生态、科学、社会价值的陆生野生动物，根据有关野外种群保护情况，对不依赖于野外资源、技术成熟稳定、有一定养殖规模的人工种群可以不再列入有重要生态、科学、社会价值的陆生野生动物名录，实行与野外种群不同的管理措施，但应当依法实行备案和专用标识管理。这些人工种群的一部分可以依照畜牧法规定列入畜禽遗传资源目录，按照家畜家禽管理；另一部分可不作为野生动物进行管理，适当放开其人工种群及其制品用于满足市场多元化需求，促进相关产业发展。

　　岳仲明表示，新修订的野生动物保护法实施需要社会各方面共同努力，要加强法律宣传、解读和引导。国务院有关部门和地方也要加快制定、完善相关配套规定，健全联合执法工作协调机制，依法打击违法犯罪行为，实现生态环境保护和经济高质量发展双赢。

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）