投彩彩票|投彩彩票

《美丽河北》慢直播：慢下来，看见美好生活******

　　光明日报记者 耿建扩 陈元秋

　　近期，伴随一日三餐，准时打开电视收看河北台《美丽河北》慢直播节目，已经成为河北正定居民李建国雷打不动的习惯。而对于在北京工作生活多年的河北小伙张佳嘉来说，闲暇时分通过手机观看《美丽河北》慢直播，浏览家乡的美景美物，则让他的乡愁得到了慰藉。

　　河北广播电视台于今年10月推出的《美丽河北》慢直播节目，已经逐渐走进百姓视野，融入日常生活，成为展示河北、服务受众的一个亮丽窗口。

　　“用慢镜头观照当下生活，用最直接、最真实的画面展现河北大地的生态环境之美和地理人文之美，这是《美丽河北》慢直播的立意初衷，更是融媒生态下广电节目的一次全新探索与尝试。”河北广播电视台党委书记、台长武鸿儒说。

　　对于节目直播团队来讲，这也是一次全新的挑战。节目直播团队负责人乔晓曦表示：“面对不同平台不同受众提供多元选择，还要兼顾收视的良好体验，特别是在电视端长时段的慢直播，在全国都是首创。直播点位的统筹选择、气候变化的及时应对、网络传输的技术保障，这些都是节目面对的难点。”

　　“做加法易，做减法难”，这是乔晓曦在节目制作的这几个月里最深刻的体会。用最简单的慢直播镜头叙事，不要特技渲染、没有舞台支撑、不需文字脚本，想要将电视节目的基础题做成高分题，难上加难。

　　主创团队几经摸索，不断改进，形成了目前以单元式结构为框架，以直播点位即时影像呈现为基础，辅之以相应季节、时间相近的拍摄短片展现为补充的节目样态。节目分为“曙光”“正午”“暮色”三大版式，河北卫视、河北公共两个频道每天早中晚三个时段大屏呈现；“冀时”客户端则覆盖全省多个点位，进行全天候直播；IPTV平台“冀时”板块，也开通了“正在直播”“直播回看”“精彩集锦”“定点直播”等功能。主创团队力求通过大小屏联动，节目以时空交错的慢直播镜头，向全国受众实时呈现燕赵大地生态文明建设的和谐图景。

　　构建覆盖全省的慢直播素材体系工程庞大，所有镜头安装需要充分考虑节目直播需要，保证每期节目有点有面，有静有动，有远有近，多角度展现美丽风光，这也是节目制作中遇到的一大难题。

　　“面广、点多，还要让镜头动起来、美起来”，为此，节目技术团队负责人靳瑞勇带领团队成员跑遍了全省各地，遴选各地的标志性景点铺设专门用于直播的高清摄像头。截至目前，节目直播布点已实现全省14个地市（含雄安新区、定州、辛集）全覆盖，共计83个景点、116路直播信号，并还在陆续拓展中。在选景方面，团队首选燕赵脊梁太行山、水润燕赵白洋淀、历史名城正定等河北最具代表性的旅游名胜和景观打卡地。同时，逐渐拓展视角，把直播的镜头延伸到燕山南北、长城内外、山乡名城、山水之间、传统村落，用浸润着情感的镜头诠释河北的山河壮美、城乡洁美、风光秀美、人文致美。

　　“美不仅是光和影的艺术，美还要有主题”，节目采集制作团队负责人朱新介绍，节目题材的选择越来越广泛，主题越来越突出，既有代表雄浑壮阔气质的燕山和太行山，也有体现燕赵乡村婉约柔美的水乡水镇，既有体现河北深厚历史文化、具有古典之美的长城古塞、古刹古塔，又有展示现代城乡人民生活风貌和丰衣足食的场景，既有自然之美，又有人文之美，既有历史之美，又有现代之美。

　　想要记录下最美的场景，各种艰辛自不必说。“制作团队在太阳还没露脸时就得蹲守等待，用镜头留住红日喷薄而出的瞬间。鸟儿还没有睡醒时，悄悄等待它们起飞的一刻，让飞翔与山水、草木一起收入画面。慢直播的镜头里沉浸的是工作人员发现美、追逐美的执着心境与辛苦付出。”河北公共频道总监王磊介绍。

　　《美丽河北》慢直播上线以来，其创新性探索得到了业内专家广泛关注。中国传媒大学艺术研究院教授王黑特认为，该节目体现出全媒时代以人为本的传播策略，天然去雕饰的呈现内容让人自然对节目产生了亲近感。湖南广播电视台高级编辑吴涛告诉记者：“看到河北台场景化系统化生态化地呈现美丽河北，自己深深为广电媒体运用互联网思维探索的传播创新所鼓舞。”

　　慢下来，看见美好生活。《美丽河北》这档首上荧屏的“慢直播”，让地域生态之美可感、可知，让生态保护之益可鉴、可学，正在勾起无数燕赵儿女的“深乡愁”，也吸引着越来越多的游客前来燕赵大地旅游打卡。

　　《光明日报》（ 2022年12月21日 09版）

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）