地球与环境科学

48 条内容

Nature News 2026年9月30日
这篇栏目体总结基于一篇 Nature 报道与两篇论文：WHOI 团队把健康礁的声景播放到退化礁，使 Porites astreoides 幼虫附着率平均近乎翻倍；另一项研究对 Acropora digitifera 进行一代选择性育种，发现成体耐热性可遗传（h² 约 0.2–0.3），高耐热亲本后代比低耐热亲本后代多耐受约 1°C-weeks 热胁迫，但短时与长时耐热性之间未检出遗传相关；第三项研究汇总 220 个全球珊瑚修复项目，指出修复点偏向人类可达、影响较高、珊瑚多样性较低的地点，且 57% 的修复点在修复后五年内至少经历一次白化警报 I 级或以上事件。
这篇栏目体总结基于一篇 Nature 报道与两篇论文：WHOI 团队把健康礁的声景播放到退化礁，使 Porites astreoides 幼虫附着率平均近乎翻倍；另一项研究对 Acropora digitifera 进行一代选择性育种，发现成体耐热性可遗传（h² 约 0.2–0.3），高耐热亲本后代比低耐热亲本后代多耐受约 1°C-weeks 热胁迫，但短时与长时耐热性之间未检出遗传相关；第三项研究汇总 220 个全球珊瑚修复项目，指出修复点偏向人类可达、影响较高、珊瑚多样性较低的地点，且 57% 的修复点在修复后五年内至少经历一次白化警报 I 级或以上事件。
WHOI 用健康礁声景播放使珊瑚幼虫附着率近乎翻倍，而选择性育种把成体耐热性提高约 1°C-weeks
这篇栏目体总结基于一篇 Nature 报道与两篇论文：WHOI 团队把健康礁的声景播放到退化礁，使 Porites astreoides 幼虫附着率平均近乎翻倍；另一项研究对 Acropora digitifera 进行一代选择性育种，发现成体耐热性可遗传（h² 约 0.2–0.3），高耐热亲本后代比低耐热亲本后代多耐受约 1°C-weeks 热胁迫，但短时与长时耐热性之间未检出遗传相关；第三项研究汇总 220 个全球珊瑚修复项目，指出修复点偏向人类可达、影响较高、珊瑚多样性较低的地点，且 57% 的修复点在修复后五年内至少经历一次白化警报 I 级或以上事件。
这篇栏目体总结基于一篇 Nature 报道与两篇论文：WHOI 团队把健康礁的声景播放到退化礁，使 Porites astreoides 幼虫附着率平均近乎翻倍；另一项研究对 Acropora digitifera 进行一代选择性育种，发现成体耐热性可遗传（h² 约 0.2–0.3），高耐热亲本后代比低耐热亲本后代多耐受约 1°C-weeks 热胁迫，但短时与长时耐热性之间未检出遗传相关；第三项研究汇总 220 个全球珊瑚修复项目，指出修复点偏向人类可达、影响较高、珊瑚多样性较低的地点，且 57% 的修复点在修复后五年内至少经历一次白化警报 I 级或以上事件。
Nature News 2026年9月30日
矿物物理学家Alisha Clark在美国桑迪亚国家实验室的Z机器上，对注水玻璃样品施加冲击波以模拟地球形成期核部附近的极端压力，此前实验显示注水玻璃在高压下反而更易压缩，她据此提出熔融岩石可能在地球熔融的岩浆洋阶段把水锁在内部，而非全部散失或被后期彗星、小行星带来。
矿物物理学家Alisha Clark在美国桑迪亚国家实验室的Z机器上，对注水玻璃样品施加冲击波以模拟地球形成期核部附近的极端压力，此前实验显示注水玻璃在高压下反而更易压缩，她据此提出熔融岩石可能在地球熔融的岩浆洋阶段把水锁在内部，而非全部散失或被后期彗星、小行星带来。
克拉克用Z机器冲击含水玻璃，发现熔融岩石在深部压力下可能越压越易压缩，为地球形成期留住水提供一条线索
矿物物理学家Alisha Clark在美国桑迪亚国家实验室的Z机器上，对注水玻璃样品施加冲击波以模拟地球形成期核部附近的极端压力，此前实验显示注水玻璃在高压下反而更易压缩，她据此提出熔融岩石可能在地球熔融的岩浆洋阶段把水锁在内部，而非全部散失或被后期彗星、小行星带来。
矿物物理学家Alisha Clark在美国桑迪亚国家实验室的Z机器上，对注水玻璃样品施加冲击波以模拟地球形成期核部附近的极端压力，此前实验显示注水玻璃在高压下反而更易压缩，她据此提出熔融岩石可能在地球熔融的岩浆洋阶段把水锁在内部，而非全部散失或被后期彗星、小行星带来。
bioRxiv 2026年9月29日
作者提出多模态人工智能模型 TRIDENT-2，在覆盖 82,775 种化学品、6,793 个物种和多种暴露情景的 560,780 条毒性测定数据上训练，用于预测进化上多样化的真核生物的化学毒性，报告的平均中位绝对误差为 1.76 至 3.80，并在较大的化学与分类学距离上保持准确，从而可为现有实验证据之外的物种和化学品提供毒性评估。
作者提出多模态人工智能模型 TRIDENT-2，在覆盖 82,775 种化学品、6,793 个物种和多种暴露情景的 560,780 条毒性测定数据上训练，用于预测进化上多样化的真核生物的化学毒性，报告的平均中位绝对误差为 1.76 至 3.80，并在较大的化学与分类学距离上保持准确，从而可为现有实验证据之外的物种和化学品提供毒性评估。
TRIDENT-2 用 56 万条毒性测定数据跨真核生物预测化学毒性，平均中位绝对误差为 1.76 至 3.80
作者提出多模态人工智能模型 TRIDENT-2，在覆盖 82,775 种化学品、6,793 个物种和多种暴露情景的 560,780 条毒性测定数据上训练，用于预测进化上多样化的真核生物的化学毒性，报告的平均中位绝对误差为 1.76 至 3.80，并在较大的化学与分类学距离上保持准确，从而可为现有实验证据之外的物种和化学品提供毒性评估。
作者提出多模态人工智能模型 TRIDENT-2，在覆盖 82,775 种化学品、6,793 个物种和多种暴露情景的 560,780 条毒性测定数据上训练，用于预测进化上多样化的真核生物的化学毒性，报告的平均中位绝对误差为 1.76 至 3.80，并在较大的化学与分类学距离上保持准确，从而可为现有实验证据之外的物种和化学品提供毒性评估。
arXiv 2026年9月29日
该工作提出 PyroAdapt 的“预训练—检索—排序”框架：先用历史数据预训练野火风险模型，再用目标年份的无标签协变量检索相似历史位置，并通过同一天火—非火格点对的排序损失（直接排序、残差成对 DPO、选择性排序）进行微调；在加州 666 个 0.25° 格点上，三种排序目标把日均平均精度从继续焦点微调的 21.62% 提升到 24.35–24.57%，Top5% 召回从 18.70% 提升到 22.11–22.79%，在每日 34 格（5% 面积）的固定检测预算下选择性排序多捕获 344 个正样本格日，并在 Yosemite 的滚动评估中显示排序收益在时间分布漂移下仍然存在。
该工作提出 PyroAdapt 的“预训练—检索—排序”框架：先用历史数据预训练野火风险模型，再用目标年份的无标签协变量检索相似历史位置，并通过同一天火—非火格点对的排序损失（直接排序、残差成对 DPO、选择性排序）进行微调；在加州 666 个 0.25° 格点上，三种排序目标把日均平均精度从继续焦点微调的 21.62% 提升到 24.35–24.57%，Top5% 召回从 18.70% 提升到 22.11–22.79%，在每日 34 格（5% 面积）的固定检测预算下选择性排序多捕获 344 个正样本格日，并在 Yosemite 的滚动评估中显示排序收益在时间分布漂移下仍然存在。
PyroAdapt 用检索加排序微调把加州野火每日预警的平均精度从 21.62% 提到 24.35–24.57%，固定 34 格预算下多捕获 344 个正样本格日
该工作提出 PyroAdapt 的“预训练—检索—排序”框架：先用历史数据预训练野火风险模型，再用目标年份的无标签协变量检索相似历史位置，并通过同一天火—非火格点对的排序损失（直接排序、残差成对 DPO、选择性排序）进行微调；在加州 666 个 0.25° 格点上，三种排序目标把日均平均精度从继续焦点微调的 21.62% 提升到 24.35–24.57%，Top5% 召回从 18.70% 提升到 22.11–22.79%，在每日 34 格（5% 面积）的固定检测预算下选择性排序多捕获 344 个正样本格日，并在 Yosemite 的滚动评估中显示排序收益在时间分布漂移下仍然存在。
该工作提出 PyroAdapt 的“预训练—检索—排序”框架：先用历史数据预训练野火风险模型，再用目标年份的无标签协变量检索相似历史位置，并通过同一天火—非火格点对的排序损失（直接排序、残差成对 DPO、选择性排序）进行微调；在加州 666 个 0.25° 格点上，三种排序目标把日均平均精度从继续焦点微调的 21.62% 提升到 24.35–24.57%，Top5% 召回从 18.70% 提升到 22.11–22.79%，在每日 34 格（5% 面积）的固定检测预算下选择性排序多捕获 344 个正样本格日，并在 Yosemite 的滚动评估中显示排序收益在时间分布漂移下仍然存在。
IEEE Spectrum 2026年9月28日
这篇由德里电力工程教授撰写的文章，以亲历者视角梳理了德里电网从2002年超过50%的电力损耗、约70%的可靠性指数，改善到2026年5%至6%损耗、99.9%以上可靠性指数的过程，并归纳出技术升级、组织与计费改革、执法与社区参与相结合的综合路径。
这篇由德里电力工程教授撰写的文章，以亲历者视角梳理了德里电网从2002年超过50%的电力损耗、约70%的可靠性指数，改善到2026年5%至6%损耗、99.9%以上可靠性指数的过程，并归纳出技术升级、组织与计费改革、执法与社区参与相结合的综合路径。
德里电网把电力损耗从50%以上降到5%至6%，可靠性指数从约70%升至99.9%以上
这篇由德里电力工程教授撰写的文章，以亲历者视角梳理了德里电网从2002年超过50%的电力损耗、约70%的可靠性指数，改善到2026年5%至6%损耗、99.9%以上可靠性指数的过程，并归纳出技术升级、组织与计费改革、执法与社区参与相结合的综合路径。
这篇由德里电力工程教授撰写的文章，以亲历者视角梳理了德里电网从2002年超过50%的电力损耗、约70%的可靠性指数，改善到2026年5%至6%损耗、99.9%以上可靠性指数的过程，并归纳出技术升级、组织与计费改革、执法与社区参与相结合的综合路径。
Research Square 2026年9月28日
研究者为加州构建了一个物理约束的农药暴露筛选模型：用基于土壤半衰期的一阶衰减命运指数驱动LightGBM，从2016至2023年公共农业、气象与化学品属性数据预测县级逐周农药施用，并用554个加州监测站、3924次美国地质调查局溪流实测（未参与训练）验证暴露指数，结果显示两种最常监测化学品相关性显著（马拉硫磷ρ=0.51，p<10⁻⁶；异丙甲草胺ρ=0.28，p<10⁻⁸），十四种化学品合并后相关性偏弱，施用模型在空间（R²=0.64）与时间（R²=0.89）上泛化较好、对全新化学品泛化较差（R²=0.32），加入人工整理化学品描述符反而使该任务变差，基于加州气候评估升温情景的敏感性分析提示本
研究者为加州构建了一个物理约束的农药暴露筛选模型：用基于土壤半衰期的一阶衰减命运指数驱动LightGBM，从2016至2023年公共农业、气象与化学品属性数据预测县级逐周农药施用，并用554个加州监测站、3924次美国地质调查局溪流实测（未参与训练）验证暴露指数，结果显示两种最常监测化学品相关性显著（马拉硫磷ρ=0.51，p<10⁻⁶；异丙甲草胺ρ=0.28，p<10⁻⁸），十四种化学品合并后相关性偏弱，施用模型在空间（R²=0.64）与时间（R²=0.89）上泛化较好、对全新化学品泛化较差（R²=0.32），加入人工整理化学品描述符反而使该任务变差，基于加州气候评估升温情景的敏感性分析提示本
物理约束机器学习模型在加州预测农药暴露，与3924次溪流实测比对后，两种最常监测农药显著相关，全化学品合并相关性偏弱
研究者为加州构建了一个物理约束的农药暴露筛选模型：用基于土壤半衰期的一阶衰减命运指数驱动LightGBM，从2016至2023年公共农业、气象与化学品属性数据预测县级逐周农药施用，并用554个加州监测站、3924次美国地质调查局溪流实测（未参与训练）验证暴露指数，结果显示两种最常监测化学品相关性显著（马拉硫磷ρ=0.51，p<10⁻⁶；异丙甲草胺ρ=0.28，p<10⁻⁸），十四种化学品合并后相关性偏弱，施用模型在空间（R²=0.64）与时间（R²=0.89）上泛化较好、对全新化学品泛化较差（R²=0.32），加入人工整理化学品描述符反而使该任务变差，基于加州气候评估升温情景的敏感性分析提示本
研究者为加州构建了一个物理约束的农药暴露筛选模型：用基于土壤半衰期的一阶衰减命运指数驱动LightGBM，从2016至2023年公共农业、气象与化学品属性数据预测县级逐周农药施用，并用554个加州监测站、3924次美国地质调查局溪流实测（未参与训练）验证暴露指数，结果显示两种最常监测化学品相关性显著（马拉硫磷ρ=0.51，p<10⁻⁶；异丙甲草胺ρ=0.28，p<10⁻⁸），十四种化学品合并后相关性偏弱，施用模型在空间（R²=0.64）与时间（R²=0.89）上泛化较好、对全新化学品泛化较差（R²=0.32），加入人工整理化学品描述符反而使该任务变差，基于加州气候评估升温情景的敏感性分析提示本
Journal of Data Science and Intelligent Systems 2026年9月28日
该研究以多层感知机回归器（MLPR）为基础模型、随机委员会（RC-MLPR）为混合机器学习模型，利用从既有文献收集的五个异质数据集（覆盖较宽的水力与泥沙条件范围）来预测自动冲洗排水系统中的颗粒弗劳德数（PFr），并采用包括一致性指数在内的多种性能指标进行评估，结果显示RC-MLPR优于其他所提机器学习模型、现有先进机器学习模型以及既有经验公式，敏感性分析进一步表明体积泥沙浓度（Csed）是混合RC-MLPR模型预测PFr时最敏感的变量。
该研究以多层感知机回归器（MLPR）为基础模型、随机委员会（RC-MLPR）为混合机器学习模型，利用从既有文献收集的五个异质数据集（覆盖较宽的水力与泥沙条件范围）来预测自动冲洗排水系统中的颗粒弗劳德数（PFr），并采用包括一致性指数在内的多种性能指标进行评估，结果显示RC-MLPR优于其他所提机器学习模型、现有先进机器学习模型以及既有经验公式，敏感性分析进一步表明体积泥沙浓度（Csed）是混合RC-MLPR模型预测PFr时最敏感的变量。
随机委员会与多层感知机回归的混合模型在沉积床自动冲洗排水系统中预测颗粒弗劳德数，并识别体积泥沙浓度为最敏感变量
该研究以多层感知机回归器（MLPR）为基础模型、随机委员会（RC-MLPR）为混合机器学习模型，利用从既有文献收集的五个异质数据集（覆盖较宽的水力与泥沙条件范围）来预测自动冲洗排水系统中的颗粒弗劳德数（PFr），并采用包括一致性指数在内的多种性能指标进行评估，结果显示RC-MLPR优于其他所提机器学习模型、现有先进机器学习模型以及既有经验公式，敏感性分析进一步表明体积泥沙浓度（Csed）是混合RC-MLPR模型预测PFr时最敏感的变量。
该研究以多层感知机回归器（MLPR）为基础模型、随机委员会（RC-MLPR）为混合机器学习模型，利用从既有文献收集的五个异质数据集（覆盖较宽的水力与泥沙条件范围）来预测自动冲洗排水系统中的颗粒弗劳德数（PFr），并采用包括一致性指数在内的多种性能指标进行评估，结果显示RC-MLPR优于其他所提机器学习模型、现有先进机器学习模型以及既有经验公式，敏感性分析进一步表明体积泥沙浓度（Csed）是混合RC-MLPR模型预测PFr时最敏感的变量。
Scientific Reports 2026年9月28日
该研究提出一个以风险为环境、人为与生物胁迫因子交互涌现属性的数据驱动评估框架，将基于聚类的 Multi K-means 与基于变分自编码器的深度学习模型结合，对2020年波罗的海中部与西部多源数据及145个海洋物种（含商业相关物种与鳕鱼）丰度信息进行分析，在物种丰富区域识别出底层缺氧、深度相关限制与捕捞压力共同出现的高度集中风险热点，并通过跨模型一致性分析显示两模型结果既一致又互补。
该研究提出一个以风险为环境、人为与生物胁迫因子交互涌现属性的数据驱动评估框架，将基于聚类的 Multi K-means 与基于变分自编码器的深度学习模型结合，对2020年波罗的海中部与西部多源数据及145个海洋物种（含商业相关物种与鳕鱼）丰度信息进行分析，在物种丰富区域识别出底层缺氧、深度相关限制与捕捞压力共同出现的高度集中风险热点，并通过跨模型一致性分析显示两模型结果既一致又互补。
无监督模型在波罗的海识别出物种丰富热点区同时受底层缺氧与捕捞压力威胁
该研究提出一个以风险为环境、人为与生物胁迫因子交互涌现属性的数据驱动评估框架，将基于聚类的 Multi K-means 与基于变分自编码器的深度学习模型结合，对2020年波罗的海中部与西部多源数据及145个海洋物种（含商业相关物种与鳕鱼）丰度信息进行分析，在物种丰富区域识别出底层缺氧、深度相关限制与捕捞压力共同出现的高度集中风险热点，并通过跨模型一致性分析显示两模型结果既一致又互补。
该研究提出一个以风险为环境、人为与生物胁迫因子交互涌现属性的数据驱动评估框架，将基于聚类的 Multi K-means 与基于变分自编码器的深度学习模型结合，对2020年波罗的海中部与西部多源数据及145个海洋物种（含商业相关物种与鳕鱼）丰度信息进行分析，在物种丰富区域识别出底层缺氧、深度相关限制与捕捞压力共同出现的高度集中风险热点，并通过跨模型一致性分析显示两模型结果既一致又互补。
bioRxiv 2026年9月28日
该研究利用2003至2023年共20年的海豚照片识别数据，拟合贝叶斯隐马尔可夫模型，估计澳大利亚Shark Bay西湾（WSB）与东湾（ESB）印太瓶鼻海豚（Tursiops aduncus）按年龄组划分的年存活率、丰度与补充率，并考察其与2011年海洋热浪引发的海草损失之间的关联，发现成年存活率在WSB由热浪前的0.99（0.98-1.00）降至热浪后的0.85（0.79-0.90）、在ESB由0.96（0.92-0.98）降至0.89（0.85-0.95），幼体和仔豚存活率下降幅度较小，两个海湾补充率均下降（WSB自2019年起出现恢复，ESB持续下降至研究结束），种群丰度在WSB下降39%、
该研究利用2003至2023年共20年的海豚照片识别数据，拟合贝叶斯隐马尔可夫模型，估计澳大利亚Shark Bay西湾（WSB）与东湾（ESB）印太瓶鼻海豚（Tursiops aduncus）按年龄组划分的年存活率、丰度与补充率，并考察其与2011年海洋热浪引发的海草损失之间的关联，发现成年存活率在WSB由热浪前的0.99（0.98-1.00）降至热浪后的0.85（0.79-0.90）、在ESB由0.96（0.92-0.98）降至0.89（0.85-0.95），幼体和仔豚存活率下降幅度较小，两个海湾补充率均下降（WSB自2019年起出现恢复，ESB持续下降至研究结束），种群丰度在WSB下降39%、
2011年西澳海洋热浪导致海草大面积消失后，Shark Bay宽吻海豚成年存活率从0.99降至0.85，两个海湾种群数量分别减少39%和36%
该研究利用2003至2023年共20年的海豚照片识别数据，拟合贝叶斯隐马尔可夫模型，估计澳大利亚Shark Bay西湾（WSB）与东湾（ESB）印太瓶鼻海豚（Tursiops aduncus）按年龄组划分的年存活率、丰度与补充率，并考察其与2011年海洋热浪引发的海草损失之间的关联，发现成年存活率在WSB由热浪前的0.99（0.98-1.00）降至热浪后的0.85（0.79-0.90）、在ESB由0.96（0.92-0.98）降至0.89（0.85-0.95），幼体和仔豚存活率下降幅度较小，两个海湾补充率均下降（WSB自2019年起出现恢复，ESB持续下降至研究结束），种群丰度在WSB下降39%、
该研究利用2003至2023年共20年的海豚照片识别数据，拟合贝叶斯隐马尔可夫模型，估计澳大利亚Shark Bay西湾（WSB）与东湾（ESB）印太瓶鼻海豚（Tursiops aduncus）按年龄组划分的年存活率、丰度与补充率，并考察其与2011年海洋热浪引发的海草损失之间的关联，发现成年存活率在WSB由热浪前的0.99（0.98-1.00）降至热浪后的0.85（0.79-0.90）、在ESB由0.96（0.92-0.98）降至0.89（0.85-0.95），幼体和仔豚存活率下降幅度较小，两个海湾补充率均下降（WSB自2019年起出现恢复，ESB持续下降至研究结束），种群丰度在WSB下降39%、
Research Square 2026年9月28日
该研究在埃及开罗历史城区的苏丹·卡劳恩学校建筑群提出一个融合环境模拟、基于 Hypar.io 平台的机器学习技术与遗产保护原则的混合框架，通过现场数据采集、几何建模与 AI 驱动预测模型考察自然通风、植被、遮阳系统与使用模式对室外热舒适的影响，并以预测平均投票值（PMV）、热不适小时数、室内环境质量和遗产保护标准评估干预效果，报告 AI 辅助模拟相比传统物理模拟可将计算时间减少约 40% 同时保持较高预测精度，并指出优化自然通风与临时遮阳等与保护兼容的被动策略在提升热舒适的同时不损害场地的历史与建筑完整性。
该研究在埃及开罗历史城区的苏丹·卡劳恩学校建筑群提出一个融合环境模拟、基于 Hypar.io 平台的机器学习技术与遗产保护原则的混合框架，通过现场数据采集、几何建模与 AI 驱动预测模型考察自然通风、植被、遮阳系统与使用模式对室外热舒适的影响，并以预测平均投票值（PMV）、热不适小时数、室内环境质量和遗产保护标准评估干预效果，报告 AI 辅助模拟相比传统物理模拟可将计算时间减少约 40% 同时保持较高预测精度，并指出优化自然通风与临时遮阳等与保护兼容的被动策略在提升热舒适的同时不损害场地的历史与建筑完整性。
研究团队用 Hypar.io 机器学习微气候模拟开罗苏丹·卡劳恩建筑群，称计算时间约减少 40% 且保持高预测精度
该研究在埃及开罗历史城区的苏丹·卡劳恩学校建筑群提出一个融合环境模拟、基于 Hypar.io 平台的机器学习技术与遗产保护原则的混合框架，通过现场数据采集、几何建模与 AI 驱动预测模型考察自然通风、植被、遮阳系统与使用模式对室外热舒适的影响，并以预测平均投票值（PMV）、热不适小时数、室内环境质量和遗产保护标准评估干预效果，报告 AI 辅助模拟相比传统物理模拟可将计算时间减少约 40% 同时保持较高预测精度，并指出优化自然通风与临时遮阳等与保护兼容的被动策略在提升热舒适的同时不损害场地的历史与建筑完整性。
该研究在埃及开罗历史城区的苏丹·卡劳恩学校建筑群提出一个融合环境模拟、基于 Hypar.io 平台的机器学习技术与遗产保护原则的混合框架，通过现场数据采集、几何建模与 AI 驱动预测模型考察自然通风、植被、遮阳系统与使用模式对室外热舒适的影响，并以预测平均投票值（PMV）、热不适小时数、室内环境质量和遗产保护标准评估干预效果，报告 AI 辅助模拟相比传统物理模拟可将计算时间减少约 40% 同时保持较高预测精度，并指出优化自然通风与临时遮阳等与保护兼容的被动策略在提升热舒适的同时不损害场地的历史与建筑完整性。

第 2 页 · 当前显示 10 项