📄 地球科学

Multiscale Mechanisms and a Physicochemical Coupling Model of Schist Degradation under Water–Rock Interaction

本研究通过为期70天的浸水实验和多尺度分析,调查了三种代表性片岩岩性的水诱导降解过程,揭示了宏观强度损失是由物理水化与化学反应的自强化耦合驱动的(尤其是在富粘土品种中),并据此提出了一个用于评估边坡稳定性的物理化学耦合模型。

Shiguang Xu¹, Mengna Zhang¹, Ping Yan³, Zikuang Xu, Yi Yang, Chuanjiao Wang, Jun Gong2026-09-23
📄 地球科学

Floating and fixed offshore wind intersect contrasting frontal and fishing seascapes in the Celtic Sea

本研究建立了凯尔特海的建设前基线,揭示了规划中的漂浮式海上风电区域与季节性热锋及渔业热点区域存在显著重叠,而固定式风电区则主要与持久的沿岸锋面相交且渔业活动极少,从而凸显了未来管理中截然不同的空间冲突机制。

Yang Yang, Peter Miller, Liam Langley, Stephen Votier, Michel Kaiser, Lilian Lieber2026-09-23
📄 地球科学

Yard-Scale Socioeconomic and Ecological Factors Shape Urban Forest Structure, Diversity, Soils, and Ecosystem Services

这项针对洛杉矶住宅院落的研究表明,城市森林结构、多样性及其生态系统服务功能受院落位置、社会经济因素(如财富和教育程度)、房屋房龄以及土壤质量之间相互作用的显著影响,其中前院通常能提供更高的树木密度和遮荫潜力,而后院则提供更多的文化服务。

Sadikshya Sharma, Francisco J Escobedo, Dustin L Hermann, Alessandro Ossola, Igor Bronz2026-09-23
📄 地球科学

Climatological evaluation of satellite and reanalysis precipitation products across temporal scales and rainfall extremes over the Guder Sub-basin, Ethiopia

本研究评估了六种卫星和再分析降水产品在埃塞俄比亚古德尔(Guder)子流域中相对于地面观测数据的表现,结果表明,尽管性能随时间尺度和降水强度而变化,但 CHIRPS、MSWEP 和 IMERG 是最适用于水文和气候应用的可靠数据集。

Rahel Gezahegn Abate, Gebrekidan Worku Tefera, Temesgen Gashaw Tarkegn, Negusu Tarekegn Endalew, Filagot Mengistu Walle (…)2026-09-23
📄 地球科学

Validating Statistical Zonation for Groundwater Natural Background Levels Using an Integrated SOM-KNN Machine Learning Approach in a Heterogeneous Mountainous Terrain, North China

本研究通过整合自组织映射与K-最近邻算法来优化统计分区并提高自然本底值的确定,验证了在华北复杂多变的山区地形中,预定义的水文地质单元与具有水文学意义的地下水组织之间的一致性。

Zhiqiang Gong, Xun Zhang, Zonglong Zheng, Zhiwen Dang, Zhisen Ma2026-09-23
📄 地球科学

Extensional Lithospheric Architecture Controls Mantle Carbon Dioxide Transfer into the Crust and Focuses Conductive Pathways to Iron Oxide Copper-Gold Mineral Systems

本研究利用东高勒克拉通(eastern Gawler Craton)的三维大地电磁成像技术,旨在证明深部导电通道(被解释为与岩浆作用相关的富二氧化碳流体通道)的连续性和几何形态,是控制铁氧化物铜金(IOCG)矿床系统形成及其成矿潜力的关键因素。

Hamid Bizhani, Graham Heinson2026-09-23
📄 地球科学

Enhancing Thunderstorm Potential Area Detection over Northeast India Using INSAT series of Data: A Deep Learning Approach

本研究介绍了 GeoConvNet,这是一个利用多光谱 INSAT 卫星数据来准确检测和分类印度东北部对流云结构的深度学习框架,该框架展示了与降水和闪电观测的强相关性,同时通过空间缓冲和基于地形的滤波有效地解决了复杂地形带来的挑战。

Rekha Bharali Gogoi, P Subhash Singh, Arundhati Kundu, Abhishek Chaari, Abhay Srivastava, K K Sarma, S P Aggarwal2026-09-23