earth_science 篇论文

本研究利用多角度成像光谱辐射计（MISR）数据分析了伊朗大气浑浊度的三维分布及季节性持续性，揭示出该国的平均气溶胶负荷显著低于全球平均水平，并存在明显的区域与季节性差异。

通过分析一份来自高北极地区、长达8,300年的海洋沉积物古DNA记录，本研究揭示了全新世气候变率和北极涛动如何驱动海洋生物群落中异质性的功能性状多样性以及温度-体型权衡，为跨千年时间尺度的生态系统韧性提供了前所未有的见解。

本研究利用一种新型加权假期气候指数，对土耳其黑海沿岸旅游气候适宜性进行了首次全面的长期评估（1950–2025年），结果表明，尽管夏季条件保持稳定，但气候变化正显著地将有利的旅游窗口期延长至春季和秋季，且这种改善在西部省份比在潮湿的东部更为显著。

这项研究预计，到本世纪中叶，欧洲职业足球场馆的热应激暴露将加剧并蔓延，研究表明，虽然晚间赛程提供了一定的保护作用，但不足以抵消气候驱动的风险，因此有必要采取超越单纯时间调整的综合适应策略。

本研究利用基于对数转换的多变量与地理信息系统（GIS）框架，对特贝萨-莫索特盆地（Tébessa-Morsott Basin）的多时相数据进行处理，成功区分了由碳酸盐和蒸发岩溶解驱动的天然地质成矿作用，以及由农业和废水输入引起的人为硝酸盐污染，这些现象均发生于一处半干旱冲积含水层中。

本文认为，阿萨姆邦布拉马普特拉河冲积平原的流离失所是一个由长期的土地流失和生计侵蚀所驱动的渐进过程，而非仅仅由突发洪水引起，因此有必要从短期救济转向针对受影响社区的包容性长期适应策略。

本研究表明，将 Sentinel-2 卫星图像与随机森林机器学习算法相结合，为估算跨喜马拉雅牧场地上生物量提供了一种准确且具可扩展性的方法，为可持续土地管理和牧民生计保护提供了至关重要的工具。

本研究利用集成地理信息系统（GIS）与遥感数据的随机森林机器学习模型来绘制坦桑尼亚汉南格区的滑坡易发性图，实现了93.5%的准确率，并确定归一化差值植被指数（NDVI）为主要预测因子，同时揭示了该地区近44%的区域在未来极易发生滑坡。

本研究分析了2025年12月发生在日本青森近海、震级为Mw 7.4的地震，揭示了一种独特的以宽度为主导的破裂模式，该模式偏离了标准的断层定标律，并表明存在涉及多个非均匀体（asperities）的复杂板块界面几何结构。

通过使用基于深度学习的 ACE2 模拟器，本研究揭示了 15 世纪的一种类厄尔尼诺海表温度模式如何通过增强垂直风切变和使中层对流层更加干燥，从而导致全球热带气旋频率的下降，进而展示了深度学习在古气候分析中对于改进未来预测的效用。