Explainable Machine Learning for Predicting Thermal Discomfort from Multipollutant Exposure on Dhaka Roadways
本研究利用可解释机器学习框架证明,在达卡的雨季,由于高温、PM₂.₅污染和交通噪声的协同效应,道路使用者面临着严重的综合热不适负担,其中热量被确定为模型预测的主要贡献因素。
2443 篇论文
本研究利用可解释机器学习框架证明,在达卡的雨季,由于高温、PM₂.₅污染和交通噪声的协同效应,道路使用者面临着严重的综合热不适负担,其中热量被确定为模型预测的主要贡献因素。
本研究表明,将电阻加热与蒸汽增强萃取(ERH–SEE)相结合,特别是通过注入 NaCl 进行电导率增强,为非均质有机污染介质提供了一种高效且节能的热修复解决方案,与单一方法相比,显著提高了加热均匀度、污染物去除率和能量效率。
尽管阿尔西山国家公园德拉迪尔法克尔区块(Dhera Dilfaker Block)的当地社区对野生动物保护持积极态度,但他们仍对当前的治理、制度支持和生计机会表示不满,这凸显了加强参与式管理和公平的利益分配以确保长期保护成功的必要性。
这项研究表明,1983年至2024年间越南东海的热带气旋活动呈现出异步变化的特征,表现为主要季节的频率和累积能量显著下降,而峰值强度保持稳定,而非统一的增强或减弱趋势。
本研究利用基于地理信息系统(GIS)的频率比法,为尼泊尔东部奇桑库加迪农村自治体(Chishankhugadhi Rural Municipality)的四个村组生成了滑坡易发性图,在识别与特定地质和地形因素相关的极高风险区域的同时,通过分析局部降雨模式与全球阈值的关系,为土地利用规划和岩土工程调查提供参考。
本研究利用地理信息系统(GIS)、遥感技术和经济社会分析相结合的方法,旨在表明气温上升、降水异常以及人类活动(特别是农业扩张和薪柴采集)已显著降低了埃塞俄比亚伊唐特别区(Itang Special District)的森林生产力,并据此提出了可持续林业和气候适应策略的建议。
这项研究表明,在1985年至2025年间,巴西亚马逊洲辛古地区的火灾动力学经历了阶段性的、多维度的转变,其中总过火面积、火灾规模结构以及季节性时机在不同时间点由不同因素驱动发生了偏移,这证明了仅依赖年度过火面积会掩盖火灾机制中至关重要的重组过程。
本文采用非对称结构主义分析,旨在论证布内赫内(Pune)破碎化的机构协调如何导致严重的生态退化,而库里提巴(Curitiba)持久且整合的规划模式则如何通过有效的蓝绿基础设施和跨部门治理,成功实现了可持续发展目标(SDGs)中的第11项与第13项。
本研究通过将基于证据权重的滑坡易发性模型与基于主成分分析的多维脆弱性指数相结合,对尼泊尔林波尼省进行了综合性的乡级风险评估,旨在证明虽然地貌特征驱动了易发性,但社会经济和制度因素是实际风险的关键决定因素,从而实现有针对性的减灾策略。
这项研究表明,海洋细菌中的铁限制促进了通过乙醛酸循环进行的局部碳氧化,从而使氧气消耗与二氧化碳产生脱钩,进而显著增强了海洋吸收大气二氧化碳的能力。