【寻味中华】“小家”碧螺春,大有乾坤******
中新社苏州10月13日电 题:“小家”碧螺春,大有乾坤
中新社记者 钟升
苏州民间给碧螺春茶取了一个通俗而直白的名字——吓煞人香。
不同于别处漫山遍野清一色茶树的种植方式,苏州人将碧螺春茶树与枇杷、杨梅等果树交叉种植,使茶叶天然地带有一丝水果的清甜与芬芳。
碧螺春茶叶虽小,却大有乾坤。从种植到炒制,都蕴含着江南人的智慧。苏州人将碧螺春茶树与枇杷、杨梅等果树交叉种植,使茶叶天然地带有一丝水果的清甜与芬芳。(无人机照片) 中新社发 刘秀英 摄碧螺春茶叶虽小,却大有乾坤。从种植到炒制,都蕴含着江南人的智慧。
碧螺春茶在苏州的种植历史可以追溯至两晋南北朝时期,唐朝“茶圣”陆羽在编写《茶经》时就曾有过记录。
苏州市吴中洞庭山碧螺春茶业协会秘书长叶国平告诉中新社记者,洞庭山碧螺春茶的产地洞庭东山、西山位于太湖之中,环境优美、生态宜人,丰沛的水土条件和温润的气候非常适合茶树种植。
碧螺春茶叶虽小,却大有乾坤。从种植到炒制,都蕴含着江南人的智慧。“手不离茶,茶不离锅,揉中带炒,炒中带揉,连续操作,起锅即成。”经此泡出的茶汤香气浓郁、入口回味纯正。2011年,苏州市吴中区绿茶制作技艺(碧螺春制作技艺)入选第三批国家级非物质文化遗产代表性项目名录;2020年,江苏吴中碧螺春茶果复合系统被中国农业农村部列入第五批中国重要农业文化遗产名单。由此,碧螺春茶成为江苏省首个国家级“双遗”农业品。(资料照片) 中新社发 刘水 摄经传统采制方法制成的洞庭山碧螺春茶,有“条索纤细,卷曲成螺,茸毛遍体,银绿隐翠”之外形,有“汤色碧绿,清香高雅,入口爽甜,回味无穷”之内质。
茶农们身挎背篓,采摘下带着露珠的碧绿茶叶。手工拣剔之后,经过高温杀青、热揉成形、搓团显毫、文火干燥四道工序。香飘海内外的苏州洞庭山碧螺春茶就此炒制完成。
“手不离茶,茶不离锅,揉中带炒,炒中带揉,连续操作,起锅即成。”经此泡出的茶汤香气浓郁、入口回味纯正。
碧螺春茶叶虽小,却大有乾坤。从种植到炒制,都蕴含着江南人的智慧。江苏省苏州市吴中区开发了碧螺春主题的旅游线路,通过农旅相结合的方式推广碧螺春茶文化。 中新社发 曹仲 摄2011年,吴中区绿茶制作技艺(碧螺春制作技艺)入选第三批国家级非物质文化遗产代表性项目名录;2020年,江苏吴中碧螺春茶果复合系统被中国农业农村部列入第五批中国重要农业文化遗产名单。由此,碧螺春茶成为江苏省首个国家级“双遗”农业品。
苏州的一方水土造就了形味俱佳的碧螺春,碧螺春的袅袅茶香也在潜移默化中塑造着苏州人的独特气质。
改革开放之后,通过积极承接周边地区的溢出效应,苏州实现了经济社会的飞速发展,苏州人形象地称之为“大树底下种好碧螺春”。
除了喝,好吃又会吃的苏州人还将碧螺春茶用在了菜肴之中。苏州老字号酒家得月楼的掌门人林冏介绍说,将碧螺春制成茶汁与新鲜河虾仁一起烹煮,河虾的鲜甜与碧螺春的幽香相交织,口感清新淡雅,是极具苏州地方特色的一道名菜。
碧螺春茶叶虽小,却大有乾坤。从种植到炒制,都蕴含着江南人的智慧。近几年,洞庭山碧螺春茶的产地被列入了苏州生态涵养发展实验区,对茶农化肥、农药的使用要求也相应提高。苏州吴中区农业农村局的监测数据显示,近五年来,环太湖地区化肥农药的使用量合计降低了百分之20,有机肥的使用量则相应增加。(资料照片) 中新社发 关锦峰 摄近几年,洞庭山碧螺春茶的产地被列入了苏州生态涵养发展实验区,对茶农化肥、农药的使用要求也相应提高。吴中区农业农村局的监测数据显示,近五年来,环太湖地区化肥农药的使用量合计降低了20%,有机肥的使用量则相应增加。
在“中国制茶大师”、苏州东山御封茶厂厂长严介龙看来,这些举措令碧螺春茶汤更加香醇,并进一步推动洞庭山碧螺春向绿色有机方向发展。吴中区也适时开发了碧螺春主题的旅游线路,通过农旅相结合的方式推广碧螺春茶文化。
同时,苏州市陆续制定了《苏式传统文化 洞庭(山)碧螺春茶制作技艺传承指南》等一系列标准,对碧螺春茶的品质、炒制工艺等要求更加严格、规范。生态环境独特化、生产过程绿色化、管理方式精细化、鲜叶挑选苛刻化、制作技艺标准化,苏州的“小家碧螺”,从洞庭山出发,一步步走向更大的天地。(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() |