earth_science 篇论文

本文提出并应用了一种利用历史气象类比来验证情景极端事件归因结果的客观且可证伪的方法论，发现虽然基于机器学习的估算能够准确捕捉全球气温对南欧和中欧极端高温的影响，但在北欧地区的效果较差。

本研究开发并验证了一个耦合的水动力-生态建模框架，该框架将实地观测与流量数据相结合，以量化跨境塑料污染通量，揭示了尽管上游来源贡献显著，但局部引入的污染在年度输出中占主导地位，并证明仅凭边界检测不足以归因污染来源。

本研究利用 ERA5 和 CHIRPS 数据证明，撒哈拉热低压（SHL）的强度是喀麦隆水文气候变化性的主导驱动因素，表现出强烈的年际正相关性以及 3 至 8 天的滞后响应，其中极端 SHL 深化会引发区域降水激增，而其减弱则会导致干旱期。

本研究提出了一种基于深度学习的概率性框架，该框架整合了二维微区X射线荧光光谱（micro-XRF）与三维X射线计算机断层扫描数据，旨在生成准确且具备不确定性感知能力的钻孔三维矿物学图谱，从而增强对Nautanen North IOCG矿床的地质冶金特征表征。

本文介绍了 S2BIOPHYS，这是一个通过优化的辐射传输与神经网络混合方法，基于 Sentinel-2 数据生成的 2019–2025 年全球一致的 20 米分辨率年度植被生物物理属性（LAIe、FAPAR 和 FCOVER）数据集，该数据集展示了高精度并支持多种生态系统监测应用。

本研究通过整合首尔老年人步行交通事故风险与医院可及性分析，开发了一个空间耦合框架，旨在诊断老龄化城市的“双重脆弱性”，从而识别出高交通危险与医疗资源匮乏交织的具体社区，为有针对性的城市治理干预提供依据。

本文提出了一种结合云理论与证据理论的水质评价方法，通过确定基本概率并计算关键指标的合成概率，从而提高预测精度与可靠性，使其优于传统模型。

本研究开发了一个针对干旱气候下钾盐工业设施的集成地质生态监测与环境风险评估框架，并以乌兹别克斯坦德赫科诺德德地区为例，展示了岩盐废弃物如何驱动大气气溶胶扩散、土壤盐渍化及地下水污染，从而实现高风险区域的划定，以进行可持续环境管理。

本研究提出了一种基于吉（Gy）采样理论的一维异质性变差函数方法，该方法利用被称为 VCC_Norm 的自适应阈值，在不依赖外部监管标准的情况下，客观地识别河流系统中的关键采样点，该方法已通过四个全球案例研究得到验证，并通过专门的 VBA-Excel 工具实现。

本研究通过使用132个测量点，首次对米蒂贾盆地（Mitidja Basin）的地震环境噪声进行了全盆地特征化，旨在绘制共振频率图、推导剪切波速度剖面并识别方位角相关的方向性，从而为地震灾害评估提供关键的速度与共振模型，同时揭示了环境噪声反演在解析真实结晶基底方面的深度局限性。