地球与环境科学

48 条内容

Annals of Computer Science and Information Systems 2026年9月25日
该工作提出一个面向数字农业的隐私保护数据共享与协作框架，将主成分分析（PCA）降维与基于拉普拉斯噪声的本地差分隐私（ε-LDP）结合，在沙箱环境中聚合农民数据并用K-Means聚类和最近邻算法推荐潜在合作者，使研究者可在联邦学习或聚合隐私数据上训练个性化模型；在Wisconsin Farmer's Market与Crop Recommendation两个真实数据集上验证，模型精度与集中式原始数据训练相比平均损失约5.33%，并通过power分析评估对成员推断等攻击的鲁棒性。
该工作提出一个面向数字农业的隐私保护数据共享与协作框架，将主成分分析（PCA）降维与基于拉普拉斯噪声的本地差分隐私（ε-LDP）结合，在沙箱环境中聚合农民数据并用K-Means聚类和最近邻算法推荐潜在合作者，使研究者可在联邦学习或聚合隐私数据上训练个性化模型；在Wisconsin Farmer's Market与Crop Recommendation两个真实数据集上验证，模型精度与集中式原始数据训练相比平均损失约5.33%，并通过power分析评估对成员推断等攻击的鲁棒性。
PCA加本地差分隐私的农业数据共享框架，在真实数据集上以约5.33%平均精度损失换取隐私保护
该工作提出一个面向数字农业的隐私保护数据共享与协作框架，将主成分分析（PCA）降维与基于拉普拉斯噪声的本地差分隐私（ε-LDP）结合，在沙箱环境中聚合农民数据并用K-Means聚类和最近邻算法推荐潜在合作者，使研究者可在联邦学习或聚合隐私数据上训练个性化模型；在Wisconsin Farmer's Market与Crop Recommendation两个真实数据集上验证，模型精度与集中式原始数据训练相比平均损失约5.33%，并通过power分析评估对成员推断等攻击的鲁棒性。
该工作提出一个面向数字农业的隐私保护数据共享与协作框架，将主成分分析（PCA）降维与基于拉普拉斯噪声的本地差分隐私（ε-LDP）结合，在沙箱环境中聚合农民数据并用K-Means聚类和最近邻算法推荐潜在合作者，使研究者可在联邦学习或聚合隐私数据上训练个性化模型；在Wisconsin Farmer's Market与Crop Recommendation两个真实数据集上验证，模型精度与集中式原始数据训练相比平均损失约5.33%，并通过power分析评估对成员推断等攻击的鲁棒性。
RAS Techniques and Instruments 2026年9月25日
该工作把自监督深度学习算法 BYOL 提取的源图像特征输入 Astronomaly: Protege 主动学习框架，在 MeerKAT 星系团遗产巡天（MGCLS）的高分辨率（约 7 角秒）、卷积（15 角秒）以及两者拼接的特征上评估管线，用人工标注目录中的示踪源作为引导与基准；结果显示高分辨率特征在早期识别上优于卷积特征、拼接特征整体最优，按 Protege 排序的前 100 个源中有 99 个呈现某种弥漫射电特征、55 个确认为星系团相关弥漫辐射，且仅用 300 个人工标签即可在 62,587 个源中检出 121 个示踪源中的 55 个。
该工作把自监督深度学习算法 BYOL 提取的源图像特征输入 Astronomaly: Protege 主动学习框架，在 MeerKAT 星系团遗产巡天（MGCLS）的高分辨率（约 7 角秒）、卷积（15 角秒）以及两者拼接的特征上评估管线，用人工标注目录中的示踪源作为引导与基准；结果显示高分辨率特征在早期识别上优于卷积特征、拼接特征整体最优，按 Protege 排序的前 100 个源中有 99 个呈现某种弥漫射电特征、55 个确认为星系团相关弥漫辐射，且仅用 300 个人工标签即可在 62,587 个源中检出 121 个示踪源中的 55 个。
BYOL 特征加 Protege 主动学习在 MGCLS 中筛出前 100 名候选，99 个呈弥漫射电特征、55 个确认为星系团相关辐射
该工作把自监督深度学习算法 BYOL 提取的源图像特征输入 Astronomaly: Protege 主动学习框架，在 MeerKAT 星系团遗产巡天（MGCLS）的高分辨率（约 7 角秒）、卷积（15 角秒）以及两者拼接的特征上评估管线，用人工标注目录中的示踪源作为引导与基准；结果显示高分辨率特征在早期识别上优于卷积特征、拼接特征整体最优，按 Protege 排序的前 100 个源中有 99 个呈现某种弥漫射电特征、55 个确认为星系团相关弥漫辐射，且仅用 300 个人工标签即可在 62,587 个源中检出 121 个示踪源中的 55 个。
该工作把自监督深度学习算法 BYOL 提取的源图像特征输入 Astronomaly: Protege 主动学习框架，在 MeerKAT 星系团遗产巡天（MGCLS）的高分辨率（约 7 角秒）、卷积（15 角秒）以及两者拼接的特征上评估管线，用人工标注目录中的示踪源作为引导与基准；结果显示高分辨率特征在早期识别上优于卷积特征、拼接特征整体最优，按 Protege 排序的前 100 个源中有 99 个呈现某种弥漫射电特征、55 个确认为星系团相关弥漫辐射，且仅用 300 个人工标签即可在 62,587 个源中检出 121 个示踪源中的 55 个。
Journal of Computational Science 2026年9月25日
该工作把科学多智能体强化学习（SMARL）用于地球物理湍流的亚网格闭合建模：以从少量高保真样本估计的拟涡能谱为奖励，在线学习Leith模型系数，使分辨率比DNS粗160至163840倍的LES在长达训练数据约2000倍的模拟中稳定运行，并复现DNS的动能谱与涡量概率密度函数，包括代表极端事件的尾部。
该工作把科学多智能体强化学习（SMARL）用于地球物理湍流的亚网格闭合建模：以从少量高保真样本估计的拟涡能谱为奖励，在线学习Leith模型系数，使分辨率比DNS粗160至163840倍的LES在长达训练数据约2000倍的模拟中稳定运行，并复现DNS的动能谱与涡量概率密度函数，包括代表极端事件的尾部。
用强化学习在线学习Leith系数，使粗分辨率二维湍流模拟重现极端涡量事件
该工作把科学多智能体强化学习（SMARL）用于地球物理湍流的亚网格闭合建模：以从少量高保真样本估计的拟涡能谱为奖励，在线学习Leith模型系数，使分辨率比DNS粗160至163840倍的LES在长达训练数据约2000倍的模拟中稳定运行，并复现DNS的动能谱与涡量概率密度函数，包括代表极端事件的尾部。
该工作把科学多智能体强化学习（SMARL）用于地球物理湍流的亚网格闭合建模：以从少量高保真样本估计的拟涡能谱为奖励，在线学习Leith模型系数，使分辨率比DNS粗160至163840倍的LES在长达训练数据约2000倍的模拟中稳定运行，并复现DNS的动能谱与涡量概率密度函数，包括代表极端事件的尾部。
Eos 2026年9月24日
Gaglioti等人利用1984至2020年阿拉斯加野火的遥感数据，考察新火遇到既往火烧区时的表现，并用逻辑回归模型评估年轻植被对野火的抵抗程度以及更暖更干条件是否影响这种抵抗，发现近期火烧区的年轻植被历史上对火活动有强烈抑制作用，复燃率比老林低1至3个数量级，火烧区边缘常成为后续火的屏障，简单景观燃烧模型估计若无此负反馈，阿拉斯加过去40年野火会多出5倍；极端火天气显著削弱这一关系，尤其在年轻林中，但以历史极端火年为常态的未来气候模拟并未完全抵消既往火烧的抑制作用；与相邻美国西部类似研究相比，阿拉斯加既往火烧对新火活动的限制作用强一倍。
Gaglioti等人利用1984至2020年阿拉斯加野火的遥感数据，考察新火遇到既往火烧区时的表现，并用逻辑回归模型评估年轻植被对野火的抵抗程度以及更暖更干条件是否影响这种抵抗，发现近期火烧区的年轻植被历史上对火活动有强烈抑制作用，复燃率比老林低1至3个数量级，火烧区边缘常成为后续火的屏障，简单景观燃烧模型估计若无此负反馈，阿拉斯加过去40年野火会多出5倍；极端火天气显著削弱这一关系，尤其在年轻林中，但以历史极端火年为常态的未来气候模拟并未完全抵消既往火烧的抑制作用；与相邻美国西部类似研究相比，阿拉斯加既往火烧对新火活动的限制作用强一倍。
阿拉斯加1984至2020年遥感数据显示，过去火烧区使复燃率降低1至3个数量级，若无此负反馈该地区野火将多出5倍
Gaglioti等人利用1984至2020年阿拉斯加野火的遥感数据，考察新火遇到既往火烧区时的表现，并用逻辑回归模型评估年轻植被对野火的抵抗程度以及更暖更干条件是否影响这种抵抗，发现近期火烧区的年轻植被历史上对火活动有强烈抑制作用，复燃率比老林低1至3个数量级，火烧区边缘常成为后续火的屏障，简单景观燃烧模型估计若无此负反馈，阿拉斯加过去40年野火会多出5倍；极端火天气显著削弱这一关系，尤其在年轻林中，但以历史极端火年为常态的未来气候模拟并未完全抵消既往火烧的抑制作用；与相邻美国西部类似研究相比，阿拉斯加既往火烧对新火活动的限制作用强一倍。
Gaglioti等人利用1984至2020年阿拉斯加野火的遥感数据，考察新火遇到既往火烧区时的表现，并用逻辑回归模型评估年轻植被对野火的抵抗程度以及更暖更干条件是否影响这种抵抗，发现近期火烧区的年轻植被历史上对火活动有强烈抑制作用，复燃率比老林低1至3个数量级，火烧区边缘常成为后续火的屏障，简单景观燃烧模型估计若无此负反馈，阿拉斯加过去40年野火会多出5倍；极端火天气显著削弱这一关系，尤其在年轻林中，但以历史极端火年为常态的未来气候模拟并未完全抵消既往火烧的抑制作用；与相邻美国西部类似研究相比，阿拉斯加既往火烧对新火活动的限制作用强一倍。
Terence Tao blog RSS 2026年9月24日
Tapio Schneider 以 OpenAI 于 9 月 8 日宣布的强制 Navier-Stokes 方程有限时间爆破证明为切入点，区分了作为解释性理解的 episteme 与作为预测技艺的 techne，主张当预测必须在被经验验证之前就被信任时（如数十年气候预估、新构型飞机设计），信任来自从假设与输入数据到结果的、每一环都可单独检验的可审计因果链，因此 AI 应嵌入守恒律等可审计脚手架中，用于学习可被高分辨率模拟、观测或实验检验的闭合模型，而不是采用端到端模型。
Tapio Schneider 以 OpenAI 于 9 月 8 日宣布的强制 Navier-Stokes 方程有限时间爆破证明为切入点，区分了作为解释性理解的 episteme 与作为预测技艺的 techne，主张当预测必须在被经验验证之前就被信任时（如数十年气候预估、新构型飞机设计），信任来自从假设与输入数据到结果的、每一环都可单独检验的可审计因果链，因此 AI 应嵌入守恒律等可审计脚手架中，用于学习可被高分辨率模拟、观测或实验检验的闭合模型，而不是采用端到端模型。
Schneider 以 Navier-Stokes 有限时间爆破证明为例，论证 AI 预测只有在可审计的因果链中才能被信任
Tapio Schneider 以 OpenAI 于 9 月 8 日宣布的强制 Navier-Stokes 方程有限时间爆破证明为切入点，区分了作为解释性理解的 episteme 与作为预测技艺的 techne，主张当预测必须在被经验验证之前就被信任时（如数十年气候预估、新构型飞机设计），信任来自从假设与输入数据到结果的、每一环都可单独检验的可审计因果链，因此 AI 应嵌入守恒律等可审计脚手架中，用于学习可被高分辨率模拟、观测或实验检验的闭合模型，而不是采用端到端模型。
Tapio Schneider 以 OpenAI 于 9 月 8 日宣布的强制 Navier-Stokes 方程有限时间爆破证明为切入点，区分了作为解释性理解的 episteme 与作为预测技艺的 techne，主张当预测必须在被经验验证之前就被信任时（如数十年气候预估、新构型飞机设计），信任来自从假设与输入数据到结果的、每一环都可单独检验的可审计因果链，因此 AI 应嵌入守恒律等可审计脚手架中，用于学习可被高分辨率模拟、观测或实验检验的闭合模型，而不是采用端到端模型。
npj Sustainable Agriculture 2026年9月24日
该研究用17个CMIP6模型的土壤湿度数据、以GLDAS为参考做偏差校正并构建多模式集合，在SSP2-4.5与SSP5-8.5两种情景下用非参数SSMI刻画2015—2050年全球土壤湿度干旱的强度、频率、历时与严重度，再用结合耕地分布的干旱暴露指数（DEI）评估农业暴露，结果显示干旱特征向本世纪中叶明显加剧、SSP5-8.5下历时更长且空间范围更广，南美、南欧、南亚和北美部分地区呈显著干化趋势，全球平均DEI由SSP2-4.5的0.71升至SSP5-8.5的0.78。
该研究用17个CMIP6模型的土壤湿度数据、以GLDAS为参考做偏差校正并构建多模式集合，在SSP2-4.5与SSP5-8.5两种情景下用非参数SSMI刻画2015—2050年全球土壤湿度干旱的强度、频率、历时与严重度，再用结合耕地分布的干旱暴露指数（DEI）评估农业暴露，结果显示干旱特征向本世纪中叶明显加剧、SSP5-8.5下历时更长且空间范围更广，南美、南欧、南亚和北美部分地区呈显著干化趋势，全球平均DEI由SSP2-4.5的0.71升至SSP5-8.5的0.78。
17个CMIP6模型经GLDAS偏差校正后显示：到2050年全球农业干旱暴露指数由0.71升至0.78，南亚、南部非洲、南美和南欧耕地风险最高
该研究用17个CMIP6模型的土壤湿度数据、以GLDAS为参考做偏差校正并构建多模式集合，在SSP2-4.5与SSP5-8.5两种情景下用非参数SSMI刻画2015—2050年全球土壤湿度干旱的强度、频率、历时与严重度，再用结合耕地分布的干旱暴露指数（DEI）评估农业暴露，结果显示干旱特征向本世纪中叶明显加剧、SSP5-8.5下历时更长且空间范围更广，南美、南欧、南亚和北美部分地区呈显著干化趋势，全球平均DEI由SSP2-4.5的0.71升至SSP5-8.5的0.78。
该研究用17个CMIP6模型的土壤湿度数据、以GLDAS为参考做偏差校正并构建多模式集合，在SSP2-4.5与SSP5-8.5两种情景下用非参数SSMI刻画2015—2050年全球土壤湿度干旱的强度、频率、历时与严重度，再用结合耕地分布的干旱暴露指数（DEI）评估农业暴露，结果显示干旱特征向本世纪中叶明显加剧、SSP5-8.5下历时更长且空间范围更广，南美、南欧、南亚和北美部分地区呈显著干化趋势，全球平均DEI由SSP2-4.5的0.71升至SSP5-8.5的0.78。
Frontiers in Animal Science 2026年9月24日
该研究以20头18月龄、平均体重383 kg的妊娠期混合品种后备母牛为对象，在50天性能试验中按干物质基础饲喂0.0%、0.5%、1.0%、2.0%的北大西洋褐藻（Atlantic GRO®，由Laminaria longicruris与Fucus vesiculosus组成），随后对其中16头用头箱式代谢舱进行两周各一次24小时气体测定，结果显示各添加水平均未对生长性能产生不利影响（p>0.51），而1.0%和2.0%组的甲烷排放分别比对照组低约8.2%和8.7%（p<0.05），同时二氧化碳排放和氧气消耗也显著降低（p<0.05）。
该研究以20头18月龄、平均体重383 kg的妊娠期混合品种后备母牛为对象，在50天性能试验中按干物质基础饲喂0.0%、0.5%、1.0%、2.0%的北大西洋褐藻（Atlantic GRO®，由Laminaria longicruris与Fucus vesiculosus组成），随后对其中16头用头箱式代谢舱进行两周各一次24小时气体测定，结果显示各添加水平均未对生长性能产生不利影响（p>0.51），而1.0%和2.0%组的甲烷排放分别比对照组低约8.2%和8.7%（p<0.05），同时二氧化碳排放和氧气消耗也显著降低（p<0.05）。
在妊娠期后备母牛日粮中添加1.0%和2.0%北大西洋褐藻，使甲烷排放降低约8.2%和8.7%，且不影响生长性能
该研究以20头18月龄、平均体重383 kg的妊娠期混合品种后备母牛为对象，在50天性能试验中按干物质基础饲喂0.0%、0.5%、1.0%、2.0%的北大西洋褐藻（Atlantic GRO®，由Laminaria longicruris与Fucus vesiculosus组成），随后对其中16头用头箱式代谢舱进行两周各一次24小时气体测定，结果显示各添加水平均未对生长性能产生不利影响（p>0.51），而1.0%和2.0%组的甲烷排放分别比对照组低约8.2%和8.7%（p<0.05），同时二氧化碳排放和氧气消耗也显著降低（p<0.05）。
该研究以20头18月龄、平均体重383 kg的妊娠期混合品种后备母牛为对象，在50天性能试验中按干物质基础饲喂0.0%、0.5%、1.0%、2.0%的北大西洋褐藻（Atlantic GRO®，由Laminaria longicruris与Fucus vesiculosus组成），随后对其中16头用头箱式代谢舱进行两周各一次24小时气体测定，结果显示各添加水平均未对生长性能产生不利影响（p>0.51），而1.0%和2.0%组的甲烷排放分别比对照组低约8.2%和8.7%（p<0.05），同时二氧化碳排放和氧气消耗也显著降低（p<0.05）。
SIAM Journal on Applied Mathematics 2026年9月24日
该工作提出将图像修复技术整合进集合分数滤波（EnSF），以解决部分观测下的数据同化问题：每个滤波步先用无训练扩散模型把似然信息融入分数函数来估计被观测状态，再用图像修复方法预测未被观测的状态变量，并在多种情形下追踪表面准地转（SQG）模型动力学，验证了这一概念。
该工作提出将图像修复技术整合进集合分数滤波（EnSF），以解决部分观测下的数据同化问题：每个滤波步先用无训练扩散模型把似然信息融入分数函数来估计被观测状态，再用图像修复方法预测未被观测的状态变量，并在多种情形下追踪表面准地转（SQG）模型动力学，验证了这一概念。
把图像修复技术接入集合分数滤波，在仅有部分观测时追踪表面准地转动力学
该工作提出将图像修复技术整合进集合分数滤波（EnSF），以解决部分观测下的数据同化问题：每个滤波步先用无训练扩散模型把似然信息融入分数函数来估计被观测状态，再用图像修复方法预测未被观测的状态变量，并在多种情形下追踪表面准地转（SQG）模型动力学，验证了这一概念。
该工作提出将图像修复技术整合进集合分数滤波（EnSF），以解决部分观测下的数据同化问题：每个滤波步先用无训练扩散模型把似然信息融入分数函数来估计被观测状态，再用图像修复方法预测未被观测的状态变量，并在多种情形下追踪表面准地转（SQG）模型动力学，验证了这一概念。
Machine Learning Earth 2026年9月24日
该研究提出 ArchesClimate-SSP（AC-SSP），在 ArchesWeather 架构上以能量分数损失加变差函数损失训练，并以强迫浓度（CO2、CH4、N2O、六种气溶胶、臭氧）为条件，用 IPSL-CM6A-LR 的 2015-2100 年月度数据训练后自回归生成未在训练中出现的 SSP 情景；在留出的 SSP5-3.4 超调情景上，其 2090-2100 年陆地表面温度 RMSE 为 0.9739 K，低于统计模拟器 MESMER-M 的 1.0963 K，且年际变率 0.6050 比 MESMER-M 的 0.6375 更接近 IPSL 目标 0.5166。
该研究提出 ArchesClimate-SSP（AC-SSP），在 ArchesWeather 架构上以能量分数损失加变差函数损失训练，并以强迫浓度（CO2、CH4、N2O、六种气溶胶、臭氧）为条件，用 IPSL-CM6A-LR 的 2015-2100 年月度数据训练后自回归生成未在训练中出现的 SSP 情景；在留出的 SSP5-3.4 超调情景上，其 2090-2100 年陆地表面温度 RMSE 为 0.9739 K，低于统计模拟器 MESMER-M 的 1.0963 K，且年际变率 0.6050 比 MESMER-M 的 0.6375 更接近 IPSL 目标 0.5166。
ArchesClimate-SSP 用能量分数损失训练生成式气候模拟器，在未见的 SSP5-3.4 上取得 0.9739 K 陆地温度 RMSE，优于 MESMER-M 的 1.0963 K
该研究提出 ArchesClimate-SSP（AC-SSP），在 ArchesWeather 架构上以能量分数损失加变差函数损失训练，并以强迫浓度（CO2、CH4、N2O、六种气溶胶、臭氧）为条件，用 IPSL-CM6A-LR 的 2015-2100 年月度数据训练后自回归生成未在训练中出现的 SSP 情景；在留出的 SSP5-3.4 超调情景上，其 2090-2100 年陆地表面温度 RMSE 为 0.9739 K，低于统计模拟器 MESMER-M 的 1.0963 K，且年际变率 0.6050 比 MESMER-M 的 0.6375 更接近 IPSL 目标 0.5166。
该研究提出 ArchesClimate-SSP（AC-SSP），在 ArchesWeather 架构上以能量分数损失加变差函数损失训练，并以强迫浓度（CO2、CH4、N2O、六种气溶胶、臭氧）为条件，用 IPSL-CM6A-LR 的 2015-2100 年月度数据训练后自回归生成未在训练中出现的 SSP 情景；在留出的 SSP5-3.4 超调情景上，其 2090-2100 年陆地表面温度 RMSE 为 0.9739 K，低于统计模拟器 MESMER-M 的 1.0963 K，且年际变率 0.6050 比 MESMER-M 的 0.6375 更接近 IPSL 目标 0.5166。
Eos 2026年9月23日
Henderson 等人利用贝叶斯最大后验（MAP）方法，对在加利福尼亚州托里派恩斯州立海滩压力与速度传感器网络连续 60 天采集的数据进行信号分解，以区分不同类型次重力波对波浪爬高的贡献，并测得平行于海岸线传播的边缘波约占次重力波能量的 28%。
Henderson 等人利用贝叶斯最大后验（MAP）方法，对在加利福尼亚州托里派恩斯州立海滩压力与速度传感器网络连续 60 天采集的数据进行信号分解，以区分不同类型次重力波对波浪爬高的贡献，并测得平行于海岸线传播的边缘波约占次重力波能量的 28%。
Henderson 等人用贝叶斯最大后验方法分解近岸次重力波，测得边缘波约占次重力波能量的 28%
Henderson 等人利用贝叶斯最大后验（MAP）方法，对在加利福尼亚州托里派恩斯州立海滩压力与速度传感器网络连续 60 天采集的数据进行信号分解，以区分不同类型次重力波对波浪爬高的贡献，并测得平行于海岸线传播的边缘波约占次重力波能量的 28%。
Henderson 等人利用贝叶斯最大后验（MAP）方法，对在加利福尼亚州托里派恩斯州立海滩压力与速度传感器网络连续 60 天采集的数据进行信号分解，以区分不同类型次重力波对波浪爬高的贡献，并测得平行于海岸线传播的边缘波约占次重力波能量的 28%。

第 4 页 · 当前显示 10 项