Explainable Machine Learning for Spatiotemporal Prediction of Urban Heat Dynamics: Insights from Chicago
本研究利用多源数据上的可解释机器学习技术,揭示了植被和碳储量是芝加哥变暖城市景观中的关键降温因素,证明了碳保护在缓解气候变化和降低热量方面的双重效益。
2443 篇论文
本研究利用多源数据上的可解释机器学习技术,揭示了植被和碳储量是芝加哥变暖城市景观中的关键降温因素,证明了碳保护在缓解气候变化和降低热量方面的双重效益。
通过在南佛罗里达州埃弗格莱兹斯农业区利用低成本传感器构建的密集网络,本研究评估了用于估算甘蔗焚烧产生的 PM2.5 的地理空间插值技术,发现虽然反距离权重法在单独表现上最佳,但采用每日选择最优模型的动态方法为未来的健康研究提供了最稳健的暴露量估算。
本文提出了一种利用 Sentinel-1 和 Sentinel-2 卫星图像进行可重复开源数据工作流的方法,旨在独立制图 2024 年 9 月越南 Lang Nu 碎屑流事件,证实了其 0.66 km² 的范围,并证明了其极高的流动性(为全球平均值的 2.3 倍),这与饱和沉积物卷入和速度减弱摩擦机制相一致。
这项研究提供了准实验证据,表明芬兰的 METSO 自愿支付计划通过显著避免皆伐并改善林分特征,有效地保留了与生物多样性相关的森林结构,从而证明了市场化激励措施在应对除单纯森林砍伐之外的森林退化问题上的成功。
这项研究表明,季节性的地下水位上升可以使原本难以获取的深层土壤中结合态铁磷发生迁移,这暗示着许多目前被认为贫磷的地貌实际上可能拥有由氧化还原波动驱动的显著且动态的养分储备。
本研究表明,尽管将机制性的多年冻土融化反馈纳入 DICE 2023 模型会显著提高预测的全球气温,但在标准损害函数和贴现惯例下,由此产生的福利损失似乎微不足道,这揭示了该模型对生态反馈的不敏感性源于其损害和贴现参数中的结构性假设,而非物理气候动力学本身。
本研究表明,在智利湿地土壤中,水分排斥性与孔隙结构恢复是耦合且具有深度依赖性的,其中表层土壤表现出可逆行为,而底层土壤由于干燥程度超过了其历史基质势范围而发生不可逆变化,这一过程主要由有机碳含量所驱动。
这项研究揭示了过去三十年间,青藏高原高寒沼泽草甸的水量产出、土壤碳储量以及水鸟栖息地功能发生了异步变化,且高值的空间共存性无法预测时间上的稳定性,从而识别出了在气候变化背景下,当前具有高多功能性但面临即时退化风险的具体未来热点区域。
本研究利用历史加州地震数据开发并验证了一个人口普查区层级的逻辑回归模型,旨在有效预测并优先排序空间地震后火灾起火风险,并在交叉验证以及应用于美国地质调查局(USGS)HayWired地震情景中展现出强劲的性能。
本研究通过分析三种森林物种下的十五个土壤剖面,表征了黎巴嫩舒夫-杰津地质公园的土壤多样性,揭示了保加利亚松(*Pinus brutia*)和加利福尼亚栎(*Quercus calliprinos*)促进了显著的钙积层和高有机碳储量,从而强调了这些森林土壤在地质遗产、生物多样性保护以及缓解气候变化方面的关键作用。