1482 편의 논문
이 논문은 아삼 브라마푸트라 범람원의 이주가 단순히 갑작스러운 홍수에 의한 것이 아니라 만성적인 토지 상실과 생계 침식에 의해 발생하는 점진적인 과정이라고 주장하며, 이에 따라 피해 공동체를 위한 단기적 구호에서 포괄적이고 장기적인 적응 전략으로의 전환이 필요하다고 역설한다.
본 연구는 센티넬-2(Sentinel-2) 위성 영상과 랜덤 포레스트(Random Forest) 머신러닝 알고리즘의 결합이 트랜스-히말라야 초지의 지상부 바이오매스를 추정하는 데 있어 정확하고 확장 가능한 방법을 제공하며, 이는 지속 가능한 토지 관리와 목축 생계 보호를 위한 필수적인 도구가 됨을 입증한다.
본 연구는 GIS 및 원격 탐사 데이터와 결합된 랜덤 포레스트 머신러닝 모델을 활용하여 탄자니아 하낭 지역의 산사태 취약성을 매핑하였으며, 93.5%의 정확도를 달성하고 NDVI를 주요 예측 인자로 식별하는 동시에 해당 지역의 약 44%가 향후 산사태에 매우 취약하다는 것을 밝혀냈다.
이 연구는 2025년 12월 일본 아오모리 해역에서 발생한 규모 7.4의 지진을 분석하여, 표준적인 단층 스케일링 법칙에서 벗어난 독특한 폭도 우세 파열 패턴을 밝혀냈으며, 이는 다중 아스페리티를 포함하는 복잡한 판 경계 기하 구조를 시사한다.
딥러닝 기반의 ACE2 에뮬레이터를 사용한 본 연구는 15세기의 엘니뇨 유사 해수면 온도 패턴이 강화된 연직 윈드 시어와 더 건조해진 중층 대기를 통해 전 지구적 열대 저기압 빈도 감소를 유발했음을 밝혀냈으며, 이를 통해 미래 투영을 개선하기 위한 고기후 분석에서의 딥러닝의 유용성을 입증하였다.
이 연구는 온도 초과 경로에서 비가역적인 기후 피해를 고려하는 것이 정점 이전의 이산화탄소 대비 메탄과 비행운 권운의 사회적 비용을 유의미하게 증가시킨다는 점을 입증하며, 이를 통해 고착화된 피해로 인해 정점 이후의 비용 추정치는 낮아지는 현상과 더불어 기존의 배출 지표에 도전한다.
이 연구는 로드아일랜드주 프로비던스에서 음향 환경은 주로 토지 이용 및 수목 캐노피와 같은 정적인 장소 기반 요인에 의해 결정되는 반면, 초미세먼지(PM2.5)는 기상 조건과 같은 동적인 시간적 요인에 의해 발생한다는 점을 입증하며, 이는 이 두 오염 물질이 단일한 환경 품질 지수로 결합되기보다는 별도로 평가되어야 함을 나타낸다.
테르세이라 섬의 역사적 현무암 용암 흐름에 대한 연구는 자기 구조 이방성과 고지자기 섭동(inclination shallowing) 사이의 강력한 상관관계를 밝혀냈으며, 이는 자기 구조 분석이 고지자기 기록의 신뢰성을 평가하는 데 필수적임을 입증한다.
본 논문은 다중 스케일 질감 특징을 효과적으로 포착하고 입자 중첩과 같은 문제를 극복함으로써 퇴적 실험 이미지로부터 입도 조성 분포를 정확하게 예측하기 위해 ResNet34를 수평 다중 스케일 국부 이진 패턴(HMS-LBP) 및 컨볼루션 블록 어텐션 모듈(CBAM)과 결합한 딥러닝 모델인 MTA-Net을 소개한다.
본 연구는 정준 대응 분석(Canonical Correspondence Analysis)을 활용하여, 영양염류 구배보다는 수문형태학적 속성이 서아프리카 나이지리아 오미 강(Omi River)의 수생 곤충 군집을 주로 구조화하며, 이 강은 열대 기후에 의한 상당한 계절적 변동에도 불구하고 높은 생물학적 온전성을 유지하고 있음을 밝혔다.