点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
（新春见闻）岭南花市年味浓 商户迎来“开门红”******
中新网佛山1月14日电 题：岭南花市年味浓 商户迎来“开门红”
作者 孙秋霞
行花街，过大年。在岭南地区，逛花市是春节必不可少的活动。兔年新春临近，广东多款年宵花迎来销售旺季，寓意较好的冬青、年桔、蝴蝶兰等深受广府人青睐，花商生意迎来“开门红”。
作为中国大型花卉综合零售批发市场之一，位于广州荔湾区的岭南花卉市场已经挂起了红灯笼，部分商家开始售卖兔子造型的花盆，年味浓郁。不少市民专门开车前来选购年花、年桔，花卉市场的车辆川流不息。
在一家蝴蝶兰专卖店，造型精美的蝴蝶兰摆放在显眼的位置，上面挂着“幸福安康”“升职加薪”等祝福卡片。该店店员姚小姐告诉记者，今年为了提高销量，特意推出可以快递到家的蝴蝶兰盆景礼盒，它有一个带灯的圆形装饰，寓意圆圆满满。
图为岭南花卉市场一摊位的蝴蝶兰吸引顾客。 陈楚红 摄“蝴蝶兰比较娇贵，很容易折断，我们近年来做了一些研发，把盆器里的兰花进行加固，这样它装到箱子里怎么晃动都不会掉。”姚小姐一边讲解一边演示，她介绍，传统线下花市回归，店里生意比去年更好。
除了传统的年宵花，岭南花卉市场也推出一些进口花卉品种，包括寸寸金、牡丹菊、腊梅等。在辉皇迎霄花店，五颜六色的进口和国产鲜切花吸引顾客挑选购买。
“这两天市场的人流量比往年增加很多，停车场的车都停满了，有的花店专门从外地过来订货，还有客户现场挑选鲜花后在线上下单。”辉皇迎霄花店负责人黄永富介绍：“我们推出了‘云买花’直播活动来促进散户购买，预计今年销量会有20%左右的增幅。”
广州的袁先生今年特意带上外地女朋友到岭南花卉市场购买年宵花，带她感受岭南文化。“往年家里买蝴蝶兰比较多，今天看到很多新的品种，以前都没见过，我们想先逛一圈再买。”袁先生说。
广州市岭南花卉市场经营管理有限公司负责人刘贵生介绍，今年元旦以来，市场人流量比往年增加10%，一些商户很早就开始布置店铺，营造过年的气氛。
“今年蝴蝶兰还有一些鲜切花的价格提升了一点，其他基本持平。很多花市的摊主都来我们这里拿货，整个市场的订单量比去年有所增加。”刘贵生说。
第39届陈村迎春花市近日启动，这是佛山最大的花市。今年陈村迎春花市升级打造“两点一带八景”的十里花街，绵延10公里，沿途有超500个花场和700个摊位，囊括近万个年宵花卉品种。
第39届陈村迎春花市的年桔塔吸引参观者。 陈楚红 摄记者日前在陈村迎春花市看到，一个巨型年桔塔屹立在世界展览中心前广场，它由1138盆、16层寓意“大吉大利”的年桔树组成，通高16.8米。有年轻人特意在此拍照打卡，为新的一年祈福。
“一盆花不用一笼排骨的价格，还可以欣赏几个月……”在陈村迎春花市，一摊位前的喇叭正循环播放着自制宣传语，逛花市的市民循声而来，围满摊位，挑选中意的蝴蝶兰。
“我们的宣传语主要突出价廉物美，大杯双枝蝴蝶兰三十元(人民币)一盆，性价比很高。用喇叭推销的方式提升了我们的销量，现在一天可以卖两三百盆。”惠发园艺负责人林女士说。
第39届陈村迎春花市一摊位的蝴蝶兰吸引消费者。 陈楚红 摄佛山市民曾小姐带着女儿专门从佛山禅城区过来逛陈村花市。“今年花卉品种挺多，给女儿买了一株风信子，自己买了一盆菊花，这是我第一次见到这个品种，挺大一个。希望新的一年大家身体健康，顺顺利利。”曾小姐说。(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
（文图：赵筱尘 巫邓炎） [责编：天天中] 阅读剩余全文（）  视觉焦点
佰家富app地图 |
)