大发彩票开奖结果|大发彩票娱乐

今日小寒|你知道小寒三候吗？******

　　作者：杜传耀

　　小寒，2023年的第一个节气，是二十四节气中的第23个节气，冬季的第5个节气，干支历子月的结束与丑月的起始。斗指癸，太阳黄经为285°，于每年公历1月5-7日交节。它与大寒、小暑、大暑及处暑一样，都是表示气温冷暖变化的节气。

　　小寒天气特点

　　对于小寒，《群芳谱》有言:“冷气积久而为寒，小者未至极也。”也就是说，小寒是冷气长期积累的结果，但寒冷的程度还未到极致。在小寒时节，太阳直射点还在南半球，北半球的热量还处于散失的状态，白天吸收的热量还是少于夜晚释放的热量，因此北半球的气温还在持续降低，寒气继续积累。

　　从字面意思看，小寒好像是没有大寒冷。但根据长期的气象记录看，在北方地区，一般是小寒节气要比大寒节气冷，但在南方大部地区来说，是大寒节气要比小寒节气更冷。在北方地区流传着“小寒胜大寒，常见不稀罕”的说法。也就是说，在北方，小寒节气比大寒节气冷很常见，并不稀奇。中国南北地区的气候存在着较大的差异。

　　《望月婆罗门·元夕》中有言:“小寒料峭，一番春意换年芳。蛾儿雪柳风光。”小寒时节既是冬季的尾声，又是春季的前奏，再过半个月，即到春节。虽天地间仍是一片雪柳风光，但此时大地阳气已萌发，春暖即将悄悄来临，正所谓“冬天到了，春天还会远吗？”

　　小寒三候

　　一候，雁北乡。古人认为，大雁是一种随阴阳迁徙的候鸟。小寒节气，虽北方还是一片白雪皑皑，但它们已经感知到阴阳的顺逆变化，准备开始向北迁移。

　　二候，鹊始巢。此时北方到处可见到喜鹊，古人认为喜鹊能感知阴阳，识别星象，随着阳气上升，喜鹊感知到阳气，识别到星位，便开始筑巢，准备孕育后代。

　　三候，雉始鸲。《月令七十二候集解》记载：“雉，文明之禽，阳鸟也；雊，雌雄之同鸣也，感于阳而后有声。”古人发现，雉每年到小寒节气，就会感到阳气，雄雌同鸣。

　　小寒农事

　　我国南北跨度大，存在明显的天气差异。在北方，天气寒冷。大部分地区田间已经没有太多的农活，主要任务是在家做好菜窖、畜舍保暖，造肥积肥等工作。

　　在南方，天气相对暖和。要给小麦、油菜等作物追施冬肥，海南和华南大部分地区则主要是做好防寒防冻、积肥造肥和兴修水利等工作。小寒、大寒是一年中雨水最少的时段。

　　小寒习俗及养生

　　小寒节气习俗。在该节气，南京人一般会煮菜饭吃。一般是将矮脚黄青菜、咸肉、香肠或板鸭丁与糯米同煮，再配上一些剁碎的生姜，十分鲜香可口。广州人在该节气早上习惯吃糯米饭，糯米饭里面除了糯米，还会加入一些香米，并配上切碎之后炒熟的腊肠和腊肉，再点缀些香菜、葱花，吃起来特别香。

　　小寒节气养生。小寒节气，天气寒冷，应注意补充热量，多吃羊肉、鸡汤、鸭肉等温热食品，少食黏硬、生冷。这个时节在生活起居方面，宜早卧晚起。常言道“睡个好觉，胜过补药”，冬季昼短夜长，故应“日出而作，日落而息”。谚语有：“冬天动一动，少闹一场病；冬到懒一懒，多喝药一碗。”在冬天要多进行户外运动，呼吸新鲜空气，增强免疫力，但此时的锻炼宜以舒缓运动为主。还需特别注意对头部和手脚的保暖。外出需戴好手套和帽子，减少寒冷对头部和手的影响。小寒前后强冷空气及寒潮活动频繁，易造成温度、湿度等气象要素的剧烈变化，人们往往难以适应而爆发各种疾病，要注意防范。

　　作者系北京市气象探测中心（北京市观象台）高级工程师

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）