地球失踪热能可能藏于深海

美国科学家最近称,地球部分热能失踪之谜或许已经破解了,这些热能可能潜藏于深海之中,从而暂时掩盖了温室气体排放所引发的部分气候变嗳效应。     

地球的湖泊正在变暖

美国航空航天局的研究人员在第一次针对全球主要的湖泊进行温度变化趋势的全面调查中确定,在过去的25年中,地球上最大的湖泊已经随着全球气候的变化而升温。     

二维的碳，得来全不费功夫

年轻的诺贝尔奖 2010年诺贝尔物理学奖公布,两名来自英国曼彻斯特大学的物理学家安德烈·海姆和康斯坦丁·诺沃谢洛夫因为在石墨烯材料方面的开创性研究而获奖。这一年,海姆52岁,诺沃谢洛夫36岁,他们关于石墨烯的研究成果才“6岁”。     

地球生命或源自太空

美国航空航天局（NASA）戈达德宇航中心科学家不久前于小行星的陨石样本中发现了氨基酸异缬氨酸,且其在富碳样本中绝大多数以左旋形态存在。鉴于氨基酸对生物体的重要性和地球上的＂左型氨基酸之谜＂,该研究小组认为极可能是小行星岩石将生物原材料带到地球,成为了一项佐证＂地球生命起源于太空＂的新证据。生命的产生、存在和消亡无不与蛋白质有关系,而蛋白质的基本单位就是氨基酸。据领导此次研究的戈达德宇航中心科学家丹尼尔·格拉文于报告中描述,他们研究的着眼点是氨基酸的分子结构。     

打造探测地球引力的原子钟

有日本专家组成的一个研究小组研制出迄今为止制造的精准度最高的原子钟。这台光晶格钟灵敏度极高,能够探测到地球引力发生的变化,允许科学家测量时间的精度达到令人吃惊的17位数。此外,它也可用于大幅改进GPS跟踪系统,探测最小10厘米的高度差。这台新原子钟由东京大学的英敏香取教授以及他的团队在澳大利亚新南威尔士大学维克多·弗拉姆鲍姆教授的帮助下研制。弗拉姆鲍姆表示,光晶格钟就像是一个放在草皮上装有原子的蛋格。＂离子时钟通常只有一个原子,你必须等待很长时间,才能达到所希望的精确度。     

超级人口与地球的共存

1677年的一个秋日,在荷兰代尔夫特以布匹为业的布商安东尼·范·列文虎克突然停止与妻子正在进行的动作,冲向工作台——显微镜……如他后来写给伦敦皇家学院的信中所说,不过五六秒之后,他已通过小小的放大镜观察取于自己身体的那保质期短暂的样本。     

深穿透地球化学探测与识别技术

地球化学勘查技术过去在矿产勘查过程中起着主导作用,但随着矿产勘查向覆盖区和深部的转移,传统的地表地球化学技术受到了重大限制.我国小于500m厚度覆盖区面积约200万km2,因此对能探测这一深度的矿产资源直接信息的地球化学勘查技术的要求已迫在眉睫.     

黑龙江省松嫩平原南部土地质量地球化学评价

以黑龙江省松嫩平原南部8．15万km^2范围表层土壤为研究对象,利用层次分析法、地统计学和模糊评价法从土地的肥力质量和环境质量进行评价,并利用地理信息系统（GIS）技术进一步分析研究区内地球化学质量的空间分布规律和变异性．研究结果表明,黑龙江省松嫩平原南部综合地球化学质量较好,土地的环境质量很高,土质非常清洁、安全．同...     

从古生物学到地球生物学的跨越

以学科体系和科学问题为导向, 对当前国际上出现的地球生物学从学科分类体系、形成背景、主要研究方向、亟待突破的分支学科及其与之相关的研究领域进行了评述. 作为地球科学与生命科学相结合而形成的新兴交叉学科, 地球生物学在地球科学中应具有独立的一级学科地位, 类似于地球化学和地球物理学. 地球生物学主要研究地球系统的生命运动, 涉及地球环境与生命系统的相互作用. 它的形成与发展既是当今科学技术发展的结果, 也是当今世界对所面临重大人类-环境-资源问题的响应. 分子地球生物学、地球微生物学、地球生态学、地球生理学等地球生物学中的二级学科还有待尽快突破, 以形成地球生物学的成熟理论框架和方法体系.     

基于ICESat-GLAS数据和模糊模式识别算法识别森林类型

【目的】利用冰、云和陆地高程卫星-地球科学激光测高系统(ICESat-GLAS)回波波形数据,通过模糊模式识别算法,提出波形特征参数组合,对森林类型进行识别研究,以期提高森林类型分类精度。【方法】利用不同森林类型冠层在GLAS回波波形上表现出的差异性,提取波形特征参数 R_{\mathrm{fi}{\mathrm{t}}_1} 、K₁'和 \overline{K_1} ;将本研究提取的波形特征参数与其他波形特征参数相结合,建立波形特征参数组合;对样本数据波形特征参数进行指标归一化和奇异点检测处理,剔除样本数据中的奇异点样本;结合模糊模式识别算法,计算不同森林类型分类精度。【结果】针叶林和阔叶林森林类型分类总精度为96.30%,其中,针叶林和阔叶林森林类型分类精度分别为92.86%和97.50%;针叶林、阔叶林和混交林森林类型分类总精度为84.51%,其中,针叶林、阔叶林和混交林森林类型分类精度分别为85.71%、97.50%和52.94%。【结论】模糊模式识别算法在森林类型分类方面具有一定优势,尤其在针叶林和阔叶林森林类型识别方面,识别精度较高。