【科学的温度】如何撬开震后灾害的“盲盒”？******
中新网成都1月17日电 (记者 贺劭清)滑坡预警预测是公认的世界性难题。“5·12”汶川特大地震后的十余年间，中国地质科研工作者如何从无到有，建立地震诱发滑坡预测模型？如何撬开震后灾害的“盲盒”？中国地灾防治如何走到世界前列？
围绕上述问题，2022年“科学探索奖”获得者、成都理工大学地质灾害防治与地质环境保护国家重点实验室副主任范宣梅接受中新网专访，对此进行解读。
范宣梅接受中新网记者专访。 唐启浩 摄有哪些因素可能诱发震后地质灾害？
范宣梅介绍，余震与降雨是诱发震后地质灾害的主要因素。强震刚发生完，震区容易发生较强余震。在余震影响下，一些在主震中震松、震裂的山体和已经发生滑坡的地方可能还会发生二次滑坡。同样，震后强降雨，也容易导致震区发生二次滑坡或泥石流灾害。
为了预测这些可能发生的地质灾害，成都理工大学地质灾害防治与地质环境保护国家重点实验室建立了空天地一体化的“三查”体系。
“我们除了大范围搜集卫星遥感数据，还会在雨季前后，对一些重点区域加强监测。”范宣梅表示，如果“9·5”泸定地震震区在2023年发生强降雨，那么磨西沟、湾东河、海螺沟等区域将有较大概率发生泥石流灾害。成理地灾国重实验室团队正准备在几条重点流域布设监测仪器，观测降雨量、沟道里的泥位、水位以及坡体上地震诱发滑坡堆积体的稳定性。
工作中的范宣梅。 受访者供图为什么要建立地震诱发滑坡预测模型？
汶川特大地震发生后的十余年间，范宣梅团队前往“4·14”玉树地震、“4·20”芦山地震、“8·3”鲁甸地震和“8·8”九寨沟地震等地震救援第一线，搜集宝贵的影像和数据，并基于全球50余次地震诱发的40多万条灾害数据，结合最新的人工智能算法，建立了地震诱发滑坡近实时预测模型。
“汶川特大地震发生后，主要救援力量第一时间前往了汶川，而不是当时受灾最严重的映秀、北川。这是因为当时我们没有及时、全面的卫星数据去在震后第一时间获取灾情灾损信息。”范宣梅指出，地震诱发滑坡预测模型最大的用途，就是填补震后72小时救援黄金时间的信息空白，给震后应急救援提供第一手的支撑和决策信息。
地震诱发滑坡智能预测模型。 受访者供图范宣梅介绍，卫星不会固定在某一个位置拍摄地球某一个固定点位，而是不断围绕地球旋转。如果泸定地震发生时，有一颗卫星恰好正在震区上方，那么这颗卫星可能拍下受灾情况。如果不凑巧的话，那么就需要等这颗卫星下一次再转到泸定地震上方，才能拍到震区受灾影像。甚至有时候，一张好的卫星影像拿到时，距地震发生时已经过去了一个月。
“如果完全依赖卫星数据去评估震后灾情，大概率会错过最佳救援时间。”范宣梅表示，地震诱发滑坡预测模型可以基于大数据与人工智能，根据本次地震信息，快速判断哪些地方地质灾害最为集中，哪些地方房屋道路受损最严重，让救援力量第一时间前往最需要救援的位置。
工作中的范宣梅。 受访者供图中国科研人员如何撬开震后灾害的“盲盒”？
范宣梅介绍，汶川特大地震发生后，中国科研人员将卫星技术、人工智能、大数据等技术与防灾减灾相结合，最终撬开震后灾害的“盲盒”。
范宣梅透露，成理地灾国重实验室目前正进行地震灾害链相关的科研攻坚。如果震后滑坡和泥石流形成的堰塞湖-溃决洪水，可能影响到下游上百甚至上千公里的范围。目前科研人员正研究如何更好预测灾害链的发生，避免因灾害链可能造成的大规模人员伤亡。
范宣梅表示，近年来无论是中国科研人员在地灾领域的经验还是科研成果，在国际上都处于领先地位。在未来应把防灾减灾领域的中国知识、中国智慧输送到国外，以帮助更多人。(完)
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 大众彩票地图 |
