earth_science 篇论文

本研究揭示了极地海洋碳调节作用中显著的半球不对称性，表明南冰洋主要受生物过程和风力诱导过程驱动，而北冰洋则由热力学和淡水分层作用主导，从而导致了截然相反的表层二氧化碳分压（pCO₂）长期趋势。

本研究提出将联合分布随机变量（JDRV）方法作为一种计算高效且准确的解析解，用于三角形岩楔边坡的地震可靠性分析，证明了将所有岩土工程和几何参数视为随机变量会产生更保守的失效概率，并确定滑动面摩擦角是最关键的敏感性因素。

这项研究表明，制造人工智能硬件所产生的温室气体排放量可能与人工智能数据中心运营产生的排放量相当，甚至更高，这凸显了在评估人工智能的总气候足迹时，将硬件生产和企业脱碳努力纳入考量的紧迫性。

本研究利用 LandscapeDNDC 模型揭示，2018 年的干旱导致德国森林碳汇强度出现了显著且持续的下降，并呈现出空间异质性的影响，同时还表明气候强迫数据（特别是 E-OBS 与 ERA5 之间）的不确定性通过影响蒸发、蒸腾和呼吸速率，关键性地改变了模拟的碳通量估算。

本研究整合了可解释机器学习、极值分析以及 CMIP6 投影，揭示了土耳其东地中海沿岸在 2020 年后发生的降水机制转变，识别出近地面湿度是极端事件的主导驱动因素，并预测在气候变化情景下，未来的降水事件将呈现数量减少但强度可能增加的趋势。

这项中型生态系统研究表明，与单一种植相比，播种多物种草类混合物在不同土壤类型和管理制度下，通过增加生物量生产、微生物分解代谢多样性以及温室气体排放，一致地增强了地下土壤功能。

这项研究表明，尽管孟加拉国河滩地居民通过互助和适应性住房等本土实践展现出了卓越的社会与心理韧性，但由于缺乏制度性支持和政策整合，其生存仍受到限制，因此有必要从反应式应对转向可持续的系统性韧性。

本文介绍了 GMIA-NEXT，这是一个针对 2023/24 种植季开发的具有 30 米分辨率的稳健全球灌溉面积数据集，通过将多源地球观测数据与机器学习以及新编制的地面真实数据库相结合，旨在克服现有灌溉图层分辨率粗糙或时效性不足的局限性。

本研究表明，将 Sentinel-2 NDVI 数据与实地测量相结合，能够有效量化东帝汶一个 148 公顷森林景观修复项目的植被恢复成效，为监测热带干旱地区修复成果提供了一个具有可扩展性的框架。

本文引入了作为地震前兆的震级压缩指数（C），证明了其在验证四个构造体制中的信号方面的有效性，并识别了克什米尔喜马拉雅断裂带三个特定区域内迫在眉睫的 M 5.0–6.0 级地震风险，且随后证实了预测事件的发生。