XiaoMi-AI文件搜索系统
World File Search System卫星观测
在南极海冰中建模冰冻和生物地球化学过程
南部海洋冰范围最近发生的严重波动要求迫切需要更好地了解海冰内发生的季节性物理和生物地球化学（BGC）过程。海冰受到温度，风模式和海洋盐度等多种环境因素的影响。海冰微观结构是高度复杂的，由固体冰基质和液体间质盐水夹杂物组成。微生物群落发现盐水夹杂物营养丰富的栖息地，可在冬季恶劣的冬季生长和生存。微生物群落的生长或光合速率取决于各种环境因素，例如温度，阳光，盐水盐度和养分的可用性。虽然卫星观测和大规模建模为大规模（> 1 km）的这些过程提供了更好的了解，但仍然存在差距，这在小规模过程（如冰冻及其耦合到生物地球化学）等小型过程的确切时间描述中仍然存在差距。在本文中，在宏观（≈1m）上开发了多孔介质（ETPM）的数学框架（ETPM）对热力学一致的冻结过程的建模。在1D微观（≈0.1mm）模型上解析了孔和树突状模式的形成，并将孔面积升级到宏观尺度上，以调节冰的生长速率。藻类生长是使用N-P单一营养素和浮游植物（N-P）生长模型的模型。当前的工作与参考文献更进一步。[1]，通过微观质量分数和盐水之间的微观质量交换改进，通过部分微分方程对散装盐度演变的描述，以及用于初级生产和营养动力学的普通微分方程。
机会 - 地质和地球物理特性的地理空间机器在全球范围内，我们对EAR的集体理解
机会 - 地质和地球物理特性在全球范围内的地质机器学习，我们对地球特性的集体理解受到直接观察地质的观察（例如，井原木，核心等）或间接通过遥感（例如地球物理或卫星观测）。这一事实导致在高空间分辨率（至sub-km量表）处的地球特性的稀疏数据集，或者从卫星观测值中产生了一个连续但低分辨率的数据集。因此，需要自动插值（例如Kriging）和/或人类知情轮廓，以在高分辨率下持续了解这些属性。在这项工作中，我们致力于改进这些方法。利用机器学习，深度学习和/或物理知情神经网络（PINN）的新发展，我们可以在空间和深度上智能插入或预测地球参数。这项工作利用了地质观察的各种数据源（即“大数据”），例如：科学钻孔，挖出和疏ed和地球物理观察，例如由乘员船（例如，船舶），自主平台（例如，AUV）（例如，AUV）和Satellites和Satellites和Satellites和Satellites和Satellites。我们将这些数据集与基于物理学的地质过程模型（例如压实）和数据驱动方法（例如机器学习）结合使用，以产生对地球特性的连续且准确的估计。这些方法的示例包括从稀疏的船板观测值中预测连续的重力场，或使用核心数据预测沉积物岩性与深度。鼓励基本的地质理解，但不需要。我们寻求具有地质/地球物理学经验的合格申请人，遥感/地理位置，机器学习/数据科学和/或运输/摇滚物理建模。申请人将有一些计算经验，并且在基本的编程/脚本中保持舒适（不需要特定语言）。实验室地点：海洋科学部海军研究实验室Stennis Space Center，MS POC：Benjamin Phrampus海军研究实验室，代码7352建筑物1005 Stennis Space Center，MS 39529电话：228-688-4899电子邮件：Benjamin.phrampus.civ@us.civ@us.navy.mil
专家小组会议关于空气污染监测的太空数据
背景UNEP研究表明，空气污染是死亡率的第五领先危险因素。空气污染估计是2017年亚太地区约340万人死亡的原因。尽管国家和城市已经实施了各种空气污染管理政策，但这些政策只会抵消人口不断增长和城市化所产生的额外污染2。在1990年至2015年之间，亚太地区3的人口加权PM 2.5浓度增长了19％，超过了全球平均增长10％。在2018年，亚太地区是最受污染的100个城市中的96个所在地（PM2.5）4。在至少发达国家中暴露于颗粒物污染的趋势往往更大，而对流层臭氧浓度在更发达或迅速发展的国家和地区（例如南亚）中增长快，在南亚，O3污染的增长速度比全球增长率快得多。5空气质量监测主要基于政府使用其领土内的基于地面的空气质量监测网络的原位测量。但是，基于地面的监视有局限性，因为监测站主要集中在人口稠密的城市，这些城市具有刚性安装要求和非常狭窄的空间覆盖范围。卫星观测通过在更广泛的区域提供数据来补充地面网络，这对于没有安装地面监视器的地区特别有用，例如农村地区或空气污染监测设备或容量有限的国家。此卫星信息有助于评估和改善空气质量和化学运输模型，从更广泛的角度来看，并允许更好地生产每小时的空气污染预测，通过广泛的平台和应用程序可以访问公众。从长远来看，可以监控政策干预的有效性。对于短期，可以识别和解决因排放库存或地面监测站而错过的污染热点。此数据可以填补通过监测站收集的地面数据留下的信息空白，以帮助基于证据的政策制定，不仅解决国家和地方空气质量，而且解决跨界污染问题。
概念说明
根据联合国环境规划署最近的一项研究，空气污染是导致死亡的第五大风险因素，据估计，2017 年空气污染造成亚太地区约 340 万人死亡 1 。尽管各国和各城市都实施了各种空气污染管理政策，但这些政策只能抵消人口增长和城市化带来的额外污染 2 。1990 年至 2015 年间，亚太地区人口加权的 PM 2.5 浓度增长了 19% 3 ，超过全球 10% 的增幅。2018 年，细颗粒物 (PM2.5) 污染最严重的 100 个城市中，有 96 个位于亚太地区 4 。最不发达国家接触颗粒物污染的情况往往更大，而对流层臭氧浓度在较发达或快速发展的国家和地区增长更快，如南亚，那里的 O3 污染增长速度远远快于全球增长率。 5 空气质量监测主要基于各国政府在其领土内使用地面空气质量监测网络进行的现场测量。然而，地面监测有局限性，因为监测站大多集中在人口稠密的城市，安装要求严格，空间覆盖范围非常狭窄。此外，空气污染监测站通常设在城市地区，但污染物可以产生或传播很远的距离，不仅影响农村地区，还影响其他国家。卫星观测通过提供更广泛区域的数据来补充地面网络，这对于没有安装地面监测器的地区特别有用，例如农村地区或空气污染监测设备或能力有限的国家。这些卫星信息将有助于评估和改进空气质量和化学物质运输模型、排放清单，并允许更好地制作每小时空气污染预报，公众可以通过广泛的平台和应用程序获取这些预报。从长远来看，可以监测政策干预的有效性。就短期而言，可以确定和解决排放清单或地面监测站遗漏的污染热点。这些数据可以填补监测站收集的地面数据留下的信息空白，有助于制定基于证据的政策，不仅解决国家和地方的空气质量问题，还解决跨境污染问题。亚太地区会员国认识到这一问题的紧迫性，于 2019 年通过了关于“加强区域合作应对亚洲及太平洋空气污染挑战”的第 75/4 号决议。该决议鼓励分享与空气污染有关的经验和信息以及应对措施
最先进的卫星和机载海洋石油泄漏遥感技术：应用于 BP 深水地平线石油泄漏事件
深水地平线 (DWH) 大规模和持续性漏油事件对应急响应能力提出了挑战，需要在天气和操作层面进行准确、定量的石油评估。尽管经验丰富的观察员是溢油应急响应的中流砥柱，但训练有素的观察员人数很少，而且天气、石油乳化和场景照明几何等混杂因素也带来了挑战。广泛的机载和星载被动和主动遥感技术辅助了 DWH 溢油和影响监测。油膜厚度和油水乳化比是控制/清理的关键溢油响应参数，对于厚 (>0.1 毫米) 油膜，这些参数是从 AVIRIS（机载可见光/红外成像光谱仪）数据中定量得出的，使用基于近红外光谱吸收特征的形状和深度的光谱库方法。MODIS（中分辨率成像光谱仪）卫星，可见光谱宽带数据，表面浮油对太阳反射的调制，允许推断总浮油。多光谱专家系统使用神经网络方法提供快速响应厚度类别图。机载和卫星合成孔径雷达（SAR）提供全天空条件下的天气数据；然而，SAR 通常无法区分厚（>100 μ m）的油膜和薄油膜（至 0.1 μ m）。UAVSAR（无人驾驶飞行器 SAR）的信噪比显著提高，空间分辨率更高，可以成功区分与油膜厚度、表面覆盖率和乳化程度相结合的模式。使用 AVIRIS 研究了现场燃烧和烟羽，并证实了星载 CALIPSO（云气溶胶激光雷达和红外路径探测卫星观测）对燃烧气溶胶的观测。CALIPSO 和水深测量激光雷达数据记录了浅层地下石油，尽管需要辅助数据进行确认。机载高光谱、热红外数据具有夜间和阴天收集优势，并且与 MODIS 热数据一样被收集。然而，解释挑战和缺乏快速反应产品阻碍了其大量使用。快速反应产品是响应利用的关键——数据需求对时间至关重要；因此，高技术准备水平对于遥感产品的运营使用至关重要。DWH 的经验表明，开发和投入使用新的溢油应急遥感工具必须先于下一次重大石油泄漏事件发生。© 2012 Elsevier Inc. 保留所有权利。
加利福尼亚能源委员会-CA.GOV
David W. Pierce, Daniel R. Cayan, Stefan Rahimi, Julie Kalansky, Scripps Institution of Oceanography, UCSD & UCLA CEC-funded agreement: EPC-20-006 Development of Climate Projections for California and Identification of General Use Projections December 2023 Methods and Prior Relevant Work The Localized Constructed Analogs (LOCA) statistical downscaling method (Pierce et al.2014; Pierce等。2015a; Pierce等。2015b）是一种基于模拟的方法，用于降低比例相对粗糙的全球气候模型预测，以更细化的区域预测。在进行这一全球至区域缩减时，LOCA将基于观察的训练数据对区域域进行了两个目的：1）偏置校正； 2）提供一个观察到的天气模式的库，在空间变厚后，与全球气候模型（GCM）日相匹配。我们将后者称为“模式库”。LOCA降尺度方法分为两个步骤：1）从原始GCM网格（通过GCM变化）到常见的0.5x0.5度网格。2）从常见的0.5度网格到最终的细尺度3 km网格。使用了这两个步骤，以便使用来自相同0.5度网格的信息纠正所有模型，即使GCM具有不同的网格分辨率（Pierce等人。2014）。其他方案有时在缩小降低之前将不同的GCM网格插入到一个共同的网格中，但是我们的分析发现，插值可以导致最终降低结果的空间变异性的较差表示。但是，这确实导致了一些问题。在以前的LOCA版本中，例如用于加利福尼亚的第四次气候评估（Pierce等人2018），通常从使用最近的邻居算法网格的观察到的气象站数据获得模式库。（此类例外是从卫星观测中获得的表面向下太阳辐射训练数据。）使用网格的历史观测值对模式库是一种合理的方法，也是必要的方法，因为未来观察到的天气模式不可用。尤其是，未来温暖的气候将降低降雪，可能导致在未来几十年系统地降雪的位置发生变化的表面温度模式。为了解决这一问题，在LOCA版本2（以下哪个介绍）加利福尼亚域中，我们使用了一个混合缩减方案，该方案与动态缩放的GCM天气研究预测（WRF）运行获得的模式库，这些库是偏向于ERA5-WRF-BC 1
金属材料及其在航空航天和先进技术中的应用
• 卫星观测对于监测地球生态健康至关重要，但它们需要进行太空发射，而这引发了使用固体推进剂排放温室气体和有毒气体的悖论 [1、2]。太空活动还会产生空间垃圾，这些垃圾越来越被认为是低地球轨道活动的祸害 [3]。限制微碎片的产生和设计能够承受其动态相互作用的航天器结构 [4-6] 已成为航天工业面临的新挑战。航天飞机发射仍然主要使用碳基推进剂。预计在不久的将来会出现更环保的发射方法；液氢可能会创造新的前景 [7]。 • 能源生产仍然是我们技术世界的一个关键问题，而到 2050 年需要将温室气体排放量与 1990 年相比减少近 90% 也限制了能源生产。可再生能源是有助于实现成本、环境、安全和就业机会四重困境的可能方法之一 [8]。然而，能量收集很大程度上依赖于风能、太阳能或水能，而这些能源无法在每天甚至整个季节都提供恒定的效率，尤其是在当地需求强劲、能量储存不足的情况下。可再生能源可以通过无碳能源提供，例如氢能[9、10]和核能[11]，同时考虑生命周期评估[12]。•交通运输也在进行重组。这个行业也深陷成本、环境、可靠性和就业机会的四难困境。随着电动汽车的普及，汽车行业与可运输能源紧密相连。液氢作为无碳能源的最新发展也带来了挑战[13]，甚至在飞机推进领域也是如此[14]。•未来的工业将由新材料和创新生产工艺组成，这些材料和工艺必须应对能源和回收限制，同时保持成本效益。如果没有先进技术的参与，这是无法实现的。在新材料中，微结构材料、纳米结构材料、超材料和晶格材料引起了科学界的广泛兴趣。诸如依靠电磁源高脉冲功率 [15] 和脉冲激光源 [16] 的金属成型领域的创新工业工艺正在彻底改变制造业。近年来，增材制造方法 [17] 和加工技术（如电磁和爆炸焊接 [18, 19] 和搅拌焊接 [20]）也取得了进展，从而扩展了成型极限和多材料组装。无论如何，最终产品和新材料的可靠性需要根据机械行为来表征。
Petri-Med：基于卫星的监测，对地中海海中的微生物浮游生物生物多样性
对微生物浮游生物生物多样性的评估和监测对于获得对海洋环境的健康状况的良好评估至关重要。PETRI-MED项目通过制定新的策略来根据卫星观测来监测微生物浮游生物群落组成和功能来解决这一必要。培养皿将专注于地中海作为具有深远的生态和文化重要性的全球生物多样性热点。Petri-Med项目的主要目标包括（i）基于创新的卫星指标的开发，以确定微生物浮游生物社区的生物多样性状态和趋势，（ii）鉴定微生物浮游生物分布和多样性的微生物浮游生物分布和（iii）的自然连接式的生物群体及其多样性范围的范围，包括生物群体的自然连接，包括生物群的自然连接，包括生物范围。通过关注海洋健康和/或生物地球化学状态的关键指标。这样做，培养皿将主要依赖卫星光学放射测量（即海洋颜色，OC），从而利用最新OC欧洲数据集的时间和空间特征（即，由copernicus sentinel-3和欧洲航天机构的OC-CCI）具有偏僻的隔离式观察（即copernicus Sentinel-3和欧洲航天机构），并具有偏僻的海拔（AS-Art Space）。电流建模和基因组技术。为了实现合并遥感，生物地球化学/物理建模以及原位测量测量的雄心勃勃的目标，Petri-Med将依靠人工智能（AI）。PETRI-MED的总体目标是使决策者和利益相关者获得必要的知识，以根据定量的实时指标对生态系统管理采用优先级别方法。这包括保护和实施保护策略和政策，以保护生物多样性，量化各个层面实施的行动的影响，并为海洋保护区（MPA）（MPA），关键生物多样性领域以及生态或生物学上重要的海洋领域提供系统的，事实支持的事实支持。此外，彼得索（Petrimed）试图评估MPA管理对气候变化的可行性，从而确保在面对环境挑战时为保护海洋生态系统的保护策略。总而言之，PETRI-MED代表了一种全面而创新的方法，可以促进我们对地中海中微生物浮游生物生物多样性的理解。通过卫星技术，法学技术和AI的整合，该项目为有效的海洋生态系统管理和保护策略提供了宝贵的见解和工具。
天空辐射计技术和 SKYNET 的概述和问题
1 国家环境研究所卫星观测中心，16-2 Onokawa, Tsukuba 305-8506, Japan 2 Consiglio Nazionale delle Ricerche, Istituto Scienze dell'Atmosfera e del Clima, via Fosso del Cavaliere 100, 00133, Rome, Italy 3 中国气象科学院大气化学重点实验室，中国北京中关村南大街 46 号，邮编 100081 4 巴伦西亚大学地球科学系，Burjassot，巴伦西亚，西班牙 5 千叶大学环境遥感中心，千叶 263-8522，日本 6 首尔国立大学地球与环境科学学院，首尔 08826韩国第七部延世大学大气科学系，首尔 03722，韩国 8 中国科学院合肥物质科学研究院安徽光学精密机械研究所大气光学中心，安徽合肥 230031，中国 9 日本国家环境研究所环境测量与分析中心，茨城县筑波市小野川 16-2 305-8506，日本 10 印度地球科学部热带气象研究所，浦那 411 008，印度 11 印度地球科学部气象局环境监测与研究中心，Mausam Bhawan，Lodi Road，新德里 110 003，印度 12 泰国全球变暖学院，Napamitr 基金会，234/88 Asoke-Din Daeng Road，Bang Kapi 区，Huai Khwang 区，曼谷 10310，泰国 13 物理学蒙古科技大学理学院，216046，乌兰巴托，蒙古 14 富山大学理工学院（理学系），3190 Gofuku，富山 930-8555，日本 15 马里兰大学巴尔的摩分校（UMBC）地球系统技术联合中心（JCET），马里兰州巴尔的摩 21228，美国 16 达沃斯物理气象观测站，世界辐射中心，Dorfstrasse 33，7260 达沃斯，瑞士 17 东北大学理学院大气与海洋研究中心，仙台 980-8578，日本 18 气象研究所，气象局，长峰，筑波，茨城 305-0052，日本 19 空间应用和临近预报，气象局， Fitzroy Road，埃克塞特，EX1 3PB，英国 20 东京理科大学理学研究生院，东京 162-8601，日本 21 印度天体物理研究所，第二区 Koramangala，班加罗尔 560 034，印度 22 雷丁大学气象学系，雷丁，RG6 6BB，英国
地球科学在工作 2025
我们的目标（续） 帮助美国人应对自然灾害 为防止灾害演变为灾难，早期预警是关键。卫星数据通常能提供问题的最早信号。NASA 正在利用我们自己的卫星和私人商业卫星群的先进功能，大幅提高国家预报和应对严重风暴、干旱、火灾和其他灾害的能力。NASA 为其合作伙伴和公众提供近乎实时的数据产品、预警工具和灾害地图门户，这是一个强大的灾害专用地理信息系统产品在线界面。NASA 还开发了一种先进的山体滑坡预报模型 — 让我们能够在山体滑坡发生前提供准确的预测模型，并提供卫星山体滑坡地图来指导急救人员。 NASA 正在迅速提高我们对飓风的了解。我们的 TROPICS CubeSats 和 GPM 卫星等工具收集数据以改进近期预报并加深我们对飓风强度的了解。NOAA 的国家飓风中心和联合台风警报中心使用了这些研究数据。野火发生频率和严重程度的不断增加带来了重大风险，尤其是在西部各州。NASA 的卫星和机载机队有助于估计燃料负荷和其他野火风险的关键因素。我们在火灾期间直接与美国森林服务局和其他机构合作，同时还领导研究以改善火灾预报、恢复和对社区长期影响的理解。NASA 使用传感器检测活跃火灾的热红外信号，自由公开地分享有关火灾发生地点的信息。应对“晴天洪水”和海平面上升其他方面的沿海社区依靠 NASA 的专业知识来提供未来几十年的精确预测。除了为沿海基础设施规划和灾害缓解提供信息外，NASA 还帮助国防部应对全球沿海军事设施和行动面临的风险。支持国家安全 NASA 的地球观测任务为各种安全利益提供了有价值的信息。我们的空间大地测量计划建立了地球方向参数、精确的卫星轨道和参考框架，这些是其卫星的位置、导航和计时精度的基础。同样的参考框架也支撑着 GPS 的准确性。此外，NASA 的激光反射器阵列 (LRA) 和卫星激光测距支持新一代 GPS 卫星的校准。NASA 与海军研究办公室和国家冰中心合作，帮助提高北极的态势感知能力，这对国家安全至关重要，并确定了作战区域和贸易路线。NASA 的陆地表面监测——通过结合卫星和地面观测与预报技术的先进陆地信息系统 (LIS) 模型——支持美国及其合作伙伴在世界各地的行动。支持当地社区决策卫星对温度、湿度和降水的测量有助于预测蚊媒疾病（如西尼罗河病毒 (WNV)）的爆发。NASA 支持为南达科他州、路易斯安那州、俄克拉荷马州和密歇根州创建 WNV 预报工具的工作。美国各地的水资源管理者面临着在竞争激烈的需求中分配水源的重大挑战。NASA 利用卫星观测和模型在了解淡水方面处于领先地位，可以从近地表到根区再到深层含水层。例如，GRACE 卫星彻底改变了大规模水存储的监测方式，使我们能够测量美国主要含水层的排水和补给情况。美国干旱监测中心使用 GRACE 和其他卫星来评估土壤湿度。