earth_science 篇论文

本研究利用集成地理信息系统（GIS）与遥感数据的随机森林机器学习模型来绘制坦桑尼亚汉南格区的滑坡易发性图，实现了93.5%的准确率，并确定归一化差值植被指数（NDVI）为主要预测因子，同时揭示了该地区近44%的区域在未来极易发生滑坡。

本研究分析了2025年12月发生在日本青森近海、震级为Mw 7.4的地震，揭示了一种独特的以宽度为主导的破裂模式，该模式偏离了标准的断层定标律，并表明存在涉及多个非均匀体（asperities）的复杂板块界面几何结构。

通过使用基于深度学习的 ACE2 模拟器，本研究揭示了 15 世纪的一种类厄尔尼诺海表温度模式如何通过增强垂直风切变和使中层对流层更加干燥，从而导致全球热带气旋频率的下降，进而展示了深度学习在古气候分析中对于改进未来预测的效用。

本研究表明，在考虑了温度超调路径中的不可逆气候损害后，甲烷和卷云人工云相对于二氧化碳在达到峰值升温前的社会成本显著增加，从而挑战了传统的排放度量标准，同时由于锁定的损害效应降低了峰值后的成本估算。

这项研究表明，在罗德岛州普罗维登斯，声学环境主要由土地利用和树冠覆盖等静态场所因素决定，而细颗粒物（PM2.5）则由天气条件等动态时间因素驱动，这表明这两种污染物应当分别进行评估，而不是合并为一个单一的环境质量指数。

对特塞拉岛一处历史性玄武质熔岩流的研究表明，磁织构各向异性与古地磁倾角变浅之间存在强相关性，这证明了磁织构分析对于评估古地磁记录可靠性至关重要。

本文介绍了 MTA-Net，这是一种将 ResNet34 与水平多尺度局部二值模式（HMS-LBP）及卷积块注意力模块（CBAM）相结合的深度学习模型，旨在通过有效捕捉多尺度纹理特征并克服颗粒重叠等挑战，从而精确预测沉积实验图像中的粒径组成分布。

本研究利用典型对应分析揭示了，在西尼日利亚的奥米河中，水文地貌属性而非营养梯度，是构建水生昆虫群落的主要因素，且该河流尽管受到热带气候驱动的显著季节性波动影响，仍保持着高度的生物完整性。

本研究验证了一种改进的归一化粒子群优化（MNPSO）模型，证明其作为表征 Khuff 碳酸盐岩储层孔隙结构非均质性的稳健且可靠的工具，展现出与渗透率的强相关性，并与传统的分形方法具有极佳的一致性。

本研究利用长时段 CMIP6 前工业控制模拟实验证明，厄尔尼诺-南方涛动（ENSO）对北大西洋初冬遥相关性的年代际变率很可能是由动力机制（如热带印度洋对流、PDO 相位以及急流背景态的变化）驱动的，而非仅仅是抽样变率。