南粤古驿道定向大赛西藏林芝站开赛

发布时间:2024-09-05 22:14:19 来源: sp20240905

   中新网 广州7月28日电(记者 唐贵江)记者从赛事组委会获悉,7月27至28日,2024年西藏林芝南迦巴瓦高原体育大会——南粤古驿道定向大赛(西藏·林芝站)在西藏自治区林芝市巴宜区鲁朗小镇举行。

  本次赛事是南粤古驿道定向大赛系列活动第80站,也是首次跑进西藏。该站赛事吸引了来自广东、香港、陕西、湖北、江苏、山西以及西藏等地超200名运动员参赛。

图为2024年南粤古驿道定向大赛(西藏·林芝站)开赛。赛事组委会 供图

  广东省体育局副局长张东瑾,林芝市委常委、副市长玉珍以及亚洲攀岩锦标赛女子难度赛和攀石赛双料冠军、原中国攀岩队运动员仁青拉姆等人出席活动。

  赛事举办地鲁朗镇位于西藏自治区林芝市巴宜区,有“东方小瑞士”之誉,是一个充满藏族风情、圣洁宁静的旅游小镇,以冰川地貌、高山峡谷和动植物资源景观为主。

图为运动员参赛中。赛事组委会 供图

  赛事为期两天,分为少儿组、专业组、成年组以及体验组四个组别,包含积分定向/短距离热身赛、双人团队赛、短距离定向赛等项目,吸引了2019年定向世界杯总决赛男子短距离季军、2014年全国大学生定向精英赛冠军李卓业,国家定向队队员、2017年世界排位赛短距离赛冠军郑嘉怡,广东省定向队队员、2022年广东省定向冠军赛精英女子组短距离冠军苏东梓等知名定向运动员参赛。

图为运动员参赛中。赛事组委会 供图

  南粤古驿道最早起源于秦汉,是历史上中原人入粤和岭南商贸活动的主要路径,也是海上丝绸之路向内陆延伸的重要通道。2016年以来,广东省已形成覆盖18个地市31个县(市、区)的18条总长1200多公里南粤古驿道网络。

  同为中国驿传系统的茶马古道位于我国西南地区,是以马帮为主要交通工具的民间国际商贸通道,是我国西南民族经济文化交流的走廊。茶马古道兴于唐宋,盛于明清,二战中后期最为兴盛,以川藏道、滇藏道与青藏道(甘青道)三条大道为主线,地跨川、滇、青、藏,向外延伸至南亚、西亚、中亚和东南亚,远达欧洲。2013年,茶马古道被国务院列为第七批全国重点文物保护单位。

  广东省先后派出十批、近千名援藏干部人才前赴后继地奋斗奉献。在他们的助力下,林芝市地区生产总值由1995年的2.9亿元增加到2023年的235.66亿元;人均生产总值由1995年的1828元增加到2023年的98651元,创下历史新高。

  活动期间,广东向西藏林芝赠送由广东省住房和城乡建设厅专门制作的纹章瓷,林芝市也将书法作品“粤林一家亲”赠予广东。

  据了解,下一站2024年南粤古驿道定向大赛将于8月24至25日在香港中环、马湾举办,这将是该比赛第二次跑进香港,也是该系列赛事进一步走向全国。(完)

【编辑:刘欢】

Warning: Cannot modify header information - headers already sent by (output started at /www/wwwroot/jintexws.com/snews.php:13) in /www/wwwroot/jintexws.com/snews.php on line 17
国际最新研发出一款机器学习模型 有望准确预测天气与气候 - 习近平法国之行,这些细节值得关注

国际最新研发出一款机器学习模型 有望准确预测天气与气候

发布时间:2024-09-05 22:14:20 来源: sp20240905

   中新网 北京7月23日电 (记者 孙自法)国际著名学术期刊《自然》最新在线发表一篇环境研究论文称,研究人员研发出一个机器学习模型能进行准确的天气预测和气候模拟。这一机器学习模型被命名为NeuralGCM,它能超越部分现有天气和气候预测模型,且有望比传统模型节省大量算力。

本次研发的NeuralGCM模型结构相关示意图。施普林格·自然/供图

  该论文介绍,一般环流模型(GCMs)表示了大气、海洋和陆地的物理过程,是天气和气候预测的基础,而减少长期预报的不确定性以及估算极端天气事件,是理解气候缓解和适应的关键。机器学习模型一直被认为是天气预测的一种替代手段,且具有节省算力成本的优势,但它们在长期预报的表现常常不如一般环流模型。

  在本项研究中,美国谷歌研究团队和合作者设计出机器学习模型NeuralGCM,这个模型结合了机器学习和物理方法,能进行中短期天气预报以及几十年的气候模拟。该模型对1-15天预报的准确率能媲美欧洲中期天气预报中心ECMWF(最好的传统物理天气模型之一)的预测结果;对于最多提前10天的预报,NeuralGCM的准确率与现有机器学习技术不相上下,有时甚至更好。

机器学习模型NeuralGCM,在10年时间尺度上的准确性和捕捉全球变暖的能力。施普林格·自然/供图

  同时,NeuralGCM的气候模拟准确率与最好的机器学习和物理方法相当:在NeuralGCM的40年气候预测中加入海平面温度后,论文作者发现模型给出的结果与从ECMWF数据中发现的全球变暖趋势一致。此外,NeuralGCM在预测龙卷风及其轨迹方面也超过了已有的气候模型。

  论文作者总结认为,他们的这些研究结果共同表明,机器学习是提升一般环流模型的一个可行手段。(完)

【编辑:甘甜】