图为北京丰台区某超市猪肉区。 中新财经记者 谢艺观 摄
不只是北京,多地居民亦反映猪肉价格下降。“最近买的五花肉每斤18.9元,后肘肉每斤18元,都比之前便宜。”山东胶州的王先生向记者表示。
“二师兄”跌价也反映到统计数据上。据农业农村部监测,2022年第52周(2022年12月26日-2023年1月1日),国内猪肉批发市场周均价每公斤26.02元,环比跌4.8%,为连续8周下跌,同比高11.4%。
卓创资讯农业分析师李霞告诉中新财经记者,集团猪场出栏量环比增加,标猪供应充裕,同时散户抗价情绪减弱,出栏积极性提升,再加上终端消费始终未有明显改观,各交易环节人员缺失,下游接货能力进一步减弱,供需严重失衡,导致猪价持续走低。
“不过,随着南北局部地区消费陆续回暖,生猪消化速度加快,同时低价区养殖单位抗价惜售,2022年12月下旬生猪价格已触底回升,春节前或仍有一定上涨空间。”李霞称。
鸡蛋价格连续9周下降
受高成本、低供应拉动,鸡蛋价格此前持续处于高位,进入2022年11月份,鸡蛋价格也开始了“下跌之旅”。
据农业农村部监测,2022年第52周,鸡蛋批发市场周均价每公斤10.99元,环比跌5.1%,为连续9周小幅下跌,同比高10.6%。
中新财经记者在上述菜市场注意到,散装鸡蛋标价6元一斤,较去年价格高位便宜了近1元。在前述北京市西城区某超市,鸡蛋价格每斤5.68元,价格较高位亦有所下降。
北京市西城区某超市鸡蛋价格。 中新财经记者 谢艺观 摄常去超市购物的王先生也发现,鸡蛋价格比之前降了些。“现在鸡蛋市场价是每斤5.95元,搞活动时,限量2斤5.55元。”
在李霞看来,这主要由于鸡蛋需求量降幅大于供应量降幅。“虽然2022年12月物流运输比11月更加畅通,但人员流动性降低,叠加学校及部分企业提前放假,终端市场春节备货还未到来,多重因素导致需求量不及预期,鸡蛋价格延续弱势。”
李霞认为,随着春节备货临近,终端市场需求存在增加预期,鸡蛋价格在春节前或有一定上涨空间。
蔬菜价格仍较为“亲民”
猪肉、鸡蛋价格近段时间持续下行,蔬菜经历去年冬天的价格“低谷”后,近期整体价格有所上涨,但仍较为“亲民”。
据农业农村部监测,2022年第52周,重点监测的28种蔬菜周均价每公斤5.00元,环比涨4.2%,同比低1.2%。
以冬季常见蔬菜为例,记者在前述西城区超市注意到,白萝卜每斤1.18元,大白菜每斤0.98元,大葱每斤2.98元,土豆每斤2.88元,西红柿每斤3.58元。而在上述菜市场,大白菜价格低至0.8元一斤。
图为北京西城区某超市蔬菜区。 中新财经记者 谢艺观 摄对于近期蔬菜价格上涨,李霞表示,“进入冬季,北方露天蔬菜生产结束,国内市场多依靠北方设施蔬菜供应。整体来看,冬季的人工、运费等成本上涨,对蔬菜价格有一定支撑作用。而且因运费高、车源紧张等原因,‘南菜北运’减少,或导致蔬菜量减价增。”
“随着春节需求旺季来临,预计春节前蔬菜价格指数仍有上涨几率。”李霞称,但今年南北方蔬菜种植面积高于去年同期,或制约蔬菜价格涨幅。
“菜篮子”稳价保供进行时
年关将至,近期国家层面也在部署“菜篮子”稳价保供工作。
3日召开的国务院常务会议提出,确保春节期间市场供应充足和价格平稳。要进一步压实“米袋子”省长负责制、“菜篮子”市长负责制,及时做好市场调配,丰富小包装粮油品种,加强南菜北运、西果东输,合理进行储备调节,同时抓好其他重要民生商品生产和供销对接。
近日,中共中央办公厅、国务院办公厅印发《关于做好2023年元旦春节期间有关工作的通知》,其中提到,做好粮油肉蛋奶果蔬等重要民生商品保供稳价工作,不断丰富节日市场供给。制定生活必需品应急保供预案,加强市场监测预警,适时增加储备投放。
多地也在加强节日期间生活必需品供应保障。如,青海不仅计划“两节”期间投放冻猪肉404吨,冻牛羊肉524.8吨,春节期间,还确定在重点保供商超和平价蔬菜店,开展平价蔬菜、鸡蛋供应工作。
国家发改委新闻发言人日前表示,春节是我国重要节日,也是居民消费旺季,做好重要民生商品保供稳价工作尤为重要。从目前对各地工作的调度情况看,各大中城市普遍制定了保供稳价应急预案,成品粮油、猪肉、北方冬春蔬菜等储备较为充足,保供稳价工作基础扎实。(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() |