地球与环境科学
48 条内容
水处理智能知识管理科学计量分析:主题趋势、合作网络、研究空白与未来优先方向
该研究以科学计量方法对水处理领域的智能知识管理文献进行梳理,围绕主题趋势、合作网络、研究空白与未来研究优先方向四个维度组织分析,并引用涵盖人工智能水质评估、机器学习水质指数预测、知识图谱管理工业水处理知识、以及多篇水处理与废水处理文献计量综述在内的参考文献作为分析基础。
在未见数据集上,用多样数据预训练再以500条目标录音微调,把抹香鲸咔嗒声检测器的AUC从最低0.60提升到0.78–0.97
该研究以先前训练的时序卷积网络抹香鲸咔嗒声序列检测器为起点,在四个来源(BAL、CS、ICE、MED)上比较四种迁移方案——跨数据集基线评估、仅用500条目标录音从头训练、预训练后随机微调、预训练后主动(基于不确定性)微调——发现预训练模型在未见数据上性能下降,但用500条目标录音微调可有效缓解下降,主动微调在所有目标集上持续优于其他方案,不过相对随机微调的提升有限。
这篇科学计量分析以绿色学校与校园为重点,梳理智能与可持续建筑在教育环境中的研究趋势,并列出其依赖的文献计量工具与代表性文献。
该工作题为《教育环境中智能与可持续建筑研究趋势的科学计量分析:以绿色学校和校园为重点》,从所加载的文本看,它是一项科学计量/文献计量分析,围绕教育环境中的智能与可持续建筑、绿色学校与校园这一主题,汇集并引用了涵盖绿色学校评估、可持续教育空间设计、智能建筑与智慧校园、BIM与物联网、亲自然设计、能源效率与净零能耗建筑等方向的文献,并引用了Bibliometrix、VOSviewer、CiteSpace等科学计量与可视化工具以及共被引、科学制图等方法学来源,但所加载的文本仅呈现参考文献列表,未包含摘要、方法细节、数据来源、检索策略、样本量或分析结果。
微软研究院实习生构建机器学习流水线,为美国66,935座变电站提供30-60分钟空间天气风险预警,重大事件检出率近80%
该工作在微软研究院暑期实习期间开发了一套端到端机器学习流水线,利用L1拉格朗日点的太阳风观测、AE与Dst指数预报、物理约束、当地地质电导率与电网基础设施数据,为美国本土66,935座变电站生成30-60分钟提前量的位置特定地磁感应电流风险估计,在2020-2026评估期内检出近80%的重大空间天气事件,AE预报RMSE为410.2 nT,Dst预报RMSE为7.2 nT,并在62.2%的高活动小时上优于Burton方程。
人类世提案被否两年后,学者指投票程序不透明并要求公开文件,同时12处全球地层记录综述重申1952年钚标记可作为界线
2024年国际地质科学联合会维持否决将人类世确立为正式地质时代的提案(地层学家小组委员会以12票反对、4票赞成、2票弃权否决),两年后,Jürgen Renn等学者在《Earth's Future》发文称存在未公开文件显示否决程序不合法且理由未获充分解释,呼吁IUGS公开关键文件并接受独立审查;与此同时,支持方在《Nature Reviews Earth & Environment》发表综述,汇总12处全球分布地层记录,指出20世纪中叶地球系统变化突然、全球同步且地层上可区分,1952年热核试验产生的钚增加是最合适的界线主标记,大气二氧化碳和甲烷浓度分别比全新世水平高51%和157%,全球升温达工业化前以
从鲨鱼星云到新猫科动物:Nature九月图片盘点里的科学发现
Nature图片团队盘点的九月科学影像涵盖天文摄影(鲨鱼星云、太阳活动区、月掩金星、极光)、秘鲁Chan Chan的38人高等级墓葬、DNA双链“拉链式”配对的首张原子力显微图像、玻利维亚发现百余年来首个新猫科动物Leopardus tilcayo、瑞士Tsanfleuron冰川的羊毛毯保温试验、尼泊尔Bhotekoshi河泥石流灾害、SpaceX星舰首次入轨以及日本Hyper-Kamiokande中微子探测器洞穴完工。
俄罗斯研究团队用模糊聚类把七类高温渣分成三组,发现钢渣资源价值高但环境风险中等,铜渣与垃圾焚烧渣则高风险
该研究对乌拉尔工业区七类高温工艺废渣(高炉粒化渣、高炉块渣、炼钢渣、电炉炼钢渣、铜冶炼渣、铬铁生产渣和垃圾焚烧渣)测定了化学组成与物理性质,选取资源指标(金属铁、Cu、Zn、Ni质量分数、碱度模数、结晶度、粒度分布)和环境指标(Pb、Cr、S、P质量分数、粉尘比例、浸出性),经标准化与多重共线性检验后用Statistica进行模糊聚类(c=3、m=2、ε=0.05),得到资源惰性、资源有价值且环境影响中等、环境有害需深度处理三个处理组,并发现按资源指标与按环境指标得到的聚类结构并不重合。
OEMC 用例提出开放工作流,将 SIF 空间分辨率提升至约 1 公里以改进 GPP 通量估算
该 OEMC 项目用例提出一套开放工作流,利用 LST、NIRv 等其他遥感数据与半经验方法(数据驱动结合物理约束),将基于 Sentinel-5P TROPOMI 的 SIF 估算空间分辨率从约 5 公里提升到约 1 公里,并生成 2018-2025 年 0.05 度、8 天频率的网格化数据集,同时将工具移植到 Copernicus Data Space Ecosystem 的 OpenEO 框架以支持用户按需降尺度,并尝试将卫星像元与涡度协方差通量站 GPP 地面观测匹配以评估空间异质性影响。
用随机森林权重替代欧氏距离的FORWS与FORWC,在高维含噪时间序列上取得可比或更优的预测表现,并从蜂巢声学向量与温度标量中提取出有向因果作用
该研究提出Forest-Weighted S-map(FORWS)与Forest-Weighted Causal Inference(FORWC),用随机森林集成导出的自适应“森林权重”取代欧氏度量,在模拟与实证生态数据集上展示出与常规工具相当或更好的预测能力、对动态过程噪声的较强韧性以及对维度灾难的缓解,并在蜂巢监测中实现高维声学向量与标量温度之间的多模态有向因果推断。
第 1 页 · 当前显示 10 项