大发平台_大发平台

当旅游遇上“非遗”，玩出不一样的“文化味儿”******

在四川崇州道明竹艺村，国家级非遗项目道明竹编与现代建筑设计理念融合建造的“竹里”，持续带动大批游客前往打卡；在南京，作为首批国家级非遗的秦淮灯会在跨年夜“亮灯”，无数游人共赏“火树银花”盛景；一阕昆曲悠扬婉转，一场皮影趣味横生，绚丽的彝族刺绣，精致的木刻版画……元旦假期，迎新贺岁，在各地丰富多彩的文旅活动中，常常可以看到非遗的身影。

在“以文促旅，以旅彰文”的理念指导下，“非遗+旅游”已成为文旅融合发展的重要一环。非遗和旅游的融合，不仅催生了更多独具文化意蕴的旅游产品，创新了旅游业态，丰富了旅游供给，也激活了数量巨大的非遗文化资源，使非遗文化通过旅游市场走进了千家万户。

近日，中国非物质文化遗产保护协会公布2022年全国非遗与旅游融合发展优选项目名录，非遗旅游景区、非遗旅游小镇、非遗旅游街区、非遗旅游村寨4个类型共200个项目入选，其中既有历史悠久的传统村落，也有充满现代气息的城市旅游街区，为非遗和旅游的融合发展树立了典范。

贵州省丹寨县龙泉镇卡拉村的苗族蜡染工坊，村民在画蜡画。新华社发

非遗元素让旅途更有文化气息

走进内蒙古的莫尼山非遗小镇，特色建筑依山而建，泉水潺潺、炊烟袅袅，游客们感受着小桥流水的乡村美景，欣赏着经典的非遗曲艺表演，还有各类非遗文化技艺体验项目深受欢迎。开料、描图、雕刻……游客们拿着工具按照老师的指导认真制作皮画。“蒙古族皮艺制作项目每一个环节都有学问，能来这里亲身感受，让我们此行更加有意义。”“这个非遗景区融合了民俗体验、知识科普，是个很值得去的地方。”在现场参与体验活动的游客说。

今年元旦假期，旅游市场升温回暖，为了给远道而来的游客们带来更具文化味儿的旅游体验，各地将跨年迎新活动和本地非遗传统文化结合起来。元旦假期，广东桂城接待了超57万游客，其中灯湖西街的非遗技艺“打铁花”表演格外惊艳，给游客带来一场震撼的视觉盛宴；在重庆的跨年夜市，精美的缠花艺术品吸引众多游客驻足；在四川德昌，原生态歌舞表演、特色服饰、葫芦笙表演、火草织布等非遗项目展现了傈僳族的独特风情。

河北省丰宁县非遗布糊画就业工坊，手工艺人在制作兔年主题布糊画。新华社发

还有越来越多景区引入了非遗项目，打造非遗展馆、非遗街区、非遗长廊等，通过展演、展销以及各类体验和游玩项目吸引游客，以提升景区的文化品位和旅游品质。“旅游不仅是为了欣赏名川大山，更是为了体验不同地区的生活气息、人文风情，非遗与人们世代相承的生活方式息息相关，亲身传习体验让旅途更有收获、更为难忘。”一位旅游博主分享道。

在传统观光旅游已经难以满足旅游者消费需求的时代，人们更期待在旅游过程中感受文化熏陶，满足乡愁情怀。传统技艺、民俗文化、民族节庆，独具地域特色的非遗项目让游客耳目一新。非遗旅游景区、非遗旅游小镇、非遗旅游街区、非遗旅游村寨不断涌现，成为越来越多人愿意专程前往的新兴旅游目的地。

“非物质文化遗产是旅游资源的大户，在种类上、跨度上、数量上、可变性上，都为旅游供给和旅游业态提供了不会耗尽的资源。”中国社科院旅游研究中心秘书长金准在采访中对记者说，“旅游业不断推陈出新、发展变化，由此产生产品和业态的深度，生发新的增量空间，非物质文化遗产的深度利用，为旅游业的发展提供了更广阔的空间。”

在金准看来，非物质文化遗产是文旅融合的重要接口，这一部分的文旅融合，起步最早、结合最深，积累了丰富的经验，为市场所认可，是推动文旅融合发展的重要依托。非遗项目的文化意蕴与旅游融合成为带有浓郁地方特色的旅游项目，将彰显多元化的地域文化和传统价值，推动了旅游产业的繁荣发展。

2022年文化和自然遗产日海南省宣传展示暨第二届三亚南山非遗节展示多个非遗项目。新华社发

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）