XiaoMi-AI文件搜索系统
World File Search Systemearth
更改白虾对谷物vannamei的肠道细菌群体喂了绿色海藻地球生命的天体生物学
1全球粮食安全研究所，生物科学学院，贝尔法斯特皇后大学，贝尔法斯特19号，贝尔法斯特，英国BT9 7BL。2海湾地区环境研究所，NASA AMES研究中心，加利福尼亚州山景，94035。3 NASA AMES研究中心，加利福尼亚州山景，94035。4罗马萨皮恩扎大学生物学与生物技术系，意大利00185。5西弗吉尼亚大学地质与地理系，摩根敦，西弗吉尼亚州，26506-6300。 6拉脱维亚大学微生物学与生物技术研究所，耶尔加瓦斯·斯特。 7博洛尼亚大学生物，地质与环境科学系，波洛尼亚大学，意大利40126。 8托斯西亚大学生态与生物科学系，维特尔博，01100，意大利。 9意大利南极国家博物馆（MNA），真菌学部分，热那亚，16128年，意大利。 10地球与行星物理学的主要实验室，地质与地球物理学研究所，中国科学院，北京，中国100029。 11地球与行星科学系，新墨西哥州新墨西哥州，新墨西哥州阿尔伯克基，87131。 12 CNR，CTR Biophys Mol UPR 4301，Rue Charles Sadron，CS 80054，Orleans，F-45071，法国。 13海洋生物资源与生物技术研究所，Irbim-CNR，墨西拿，98122，意大利。5西弗吉尼亚大学地质与地理系，摩根敦，西弗吉尼亚州，26506-6300。6拉脱维亚大学微生物学与生物技术研究所，耶尔加瓦斯·斯特。 7博洛尼亚大学生物，地质与环境科学系，波洛尼亚大学，意大利40126。 8托斯西亚大学生态与生物科学系，维特尔博，01100，意大利。 9意大利南极国家博物馆（MNA），真菌学部分，热那亚，16128年，意大利。 10地球与行星物理学的主要实验室，地质与地球物理学研究所，中国科学院，北京，中国100029。 11地球与行星科学系，新墨西哥州新墨西哥州，新墨西哥州阿尔伯克基，87131。 12 CNR，CTR Biophys Mol UPR 4301，Rue Charles Sadron，CS 80054，Orleans，F-45071，法国。 13海洋生物资源与生物技术研究所，Irbim-CNR，墨西拿，98122，意大利。6拉脱维亚大学微生物学与生物技术研究所，耶尔加瓦斯·斯特。7博洛尼亚大学生物，地质与环境科学系，波洛尼亚大学，意大利40126。8托斯西亚大学生态与生物科学系，维特尔博，01100，意大利。9意大利南极国家博物馆（MNA），真菌学部分，热那亚，16128年，意大利。10地球与行星物理学的主要实验室，地质与地球物理学研究所，中国科学院，北京，中国100029。11地球与行星科学系，新墨西哥州新墨西哥州，新墨西哥州阿尔伯克基，87131。12 CNR，CTR Biophys Mol UPR 4301，Rue Charles Sadron，CS 80054，Orleans，F-45071，法国。13海洋生物资源与生物技术研究所，Irbim-CNR，墨西拿，98122，意大利。
地球观测非常低的地球轨道卫星的系统建模
卫星在非常低的地球轨道（VLEO）中的操作与航天器平台和任务设计的各种好处有关。至关重要的是，对于地球观察（EO）任务，降低高度可以使较小且功能较小的有效载荷能够实现与较高高度处的较大仪器或传感器相同的性能，并具有对航天器设计的显着好处。因此，对这些轨道的开发的重新兴趣刺激了新技术的发展，这些技术有可能在此较低的高度范围内实现可持续运营。在本文中，为（i）新型材料开发了系统模型，这些材料可以改善空气动力学性能，从而减少阻力或增加对原子氧侵蚀的抵抗力以及（ii）大气 - 呼吸电力推进（ABEP），以持续的阻力补偿或VLEO减轻。还讨论了可以利用VLEO中空气动力和扭矩的态度和轨道控制方法。这些系统模型已集成到概念级卫星设计的框架中，该方法用于探索这些新技术启用的未来EO航天器的系统级交易。对光学高分辨率航天器提出的案例研究表明，使用这些技术降低轨道高度的显着潜力，并表明与现场与现行现状的任务相比，与现行成本相比，可以节省多达75％的系统质量和超过50％的开发和制造成本。对于合成的孔径雷达（SAR）卫星，质量和成本的降低显示为较小，尽管目前据指出，目前可用的成本模型并未捕获该细分市场的最新商业进步。这些结果是维持VLEO运营所需的其他推进和权力要求，并指出未来的EO任务可以通过在此高度范围内运行而受益匪浅。此外，已经表明，只有已经开发的技术的适度进步才能开始剥削该较低的高度范围。除了减少资本支出和更快的投资回报率，降低成本和增加获得高质量观察数据的上游收益外，还可以传递给下游EO行业，以及各种商业，社会和环境应用领域的影响。
用于地球观测的可解释人工智能
人工智能和机器学习在地球观测 (EO) 和遥感领域无处不在。与它们在计算机视觉领域的成功相一致，它们已被证明可以在 EO 应用中获得高精度。然而，在将复杂的机器学习模型用于特定应用之前，EO 专家还应考虑其弱点。其中一个弱点是复杂的深度学习模型缺乏可解释性。本文回顾了地球观测领域已发表的可解释 ML 或可解释 AI 示例。可解释性方法分为：内在解释与事后解释、模型特定与模型无关、全局解释与局部解释，并提供了每种类型的示例。本文还确定了社会科学和即将出台的联合国教科文组织人工智能伦理监管建议以及欧盟人工智能法案草案中的关键可解释性要求，并分析了这些限制在 EO 领域是否得到充分解决。研究结果表明，对于哪些模型可以被视为可解释或不可解释尚不明确。 EO 应用通常使用随机森林作为“可解释的”基准算法来与复杂的深度学习模型进行比较，尽管社会科学明确指出大型随机森林不能被视为可解释的基准算法。其次，大多数解释针对的是领域专家，而不是算法的潜在用户、监管机构或可能受算法决策影响的人。最后，出版物往往只是提供解释，而没有通过目标受众测试解释的实用性。鉴于这些社会和监管方面的考虑，我们提供了一个框架来指导选择合适的机器学习算法，该框架基于是否有具有高预测精度的更简单的算法以及解释的目的和目标受众。
微塑料 - 2024 年地球日
微塑料的影响 微塑料已经渗入海洋、土壤，甚至我们呼吸的空气中。微塑料的增加已成为环境和人类健康日益关注的问题。生态学家发现，微塑料经常进入饮用水以及盐、蜂蜜和糖等食物中。一些研究表明，人类每年摄入超过 100,000 个微塑料颗粒。*然而，人们对微塑料及其对人体的影响知之甚少。我们确实知道微塑料对环境有重大影响，主要在海洋环境中进行研究。一旦从其原始塑料产品中释放或分离，微塑料就会通过水道传播，最终进入生态系统，这些生态系统是各种海洋生物的家园，包括藻类、浮游动物、鱼、螃蟹、海龟和鸟类。当海洋生物摄入微塑料时，会导致许多健康问题，它们会在体内积累并通过掠食性食物链传递。
