澳门太阳城

近日，河海大学商学院盛济川教授领衔的研究团队在《Nature Geoscience》发表题为“Global water security threatened by rising inequality”的研究成果。这是河海大学首次以第一单位在《Nature Geoscience》发表的研究型论文。该研究开发了基于机器学习的全球用水预测模型，首次定量揭示了不平等是加剧未来全球水资源短缺的核心驱动力，并提出了统筹效率与公平的水资源治理新范式。在全球可持续发展面临的诸多挑战中，水资源短缺已成为制约人类福祉和生态安全的关键因素。长期以来，学术界多依赖过程导向的大尺度综合评估模型或单一情景分析来预测水资源需求，往往难以捕捉人类适应行为的复杂性以及社会不平等对资源分配的深层影响。该研究指出，如果不从根本上解决分配不公问题，单纯的技术进步可能无法有效缓解甚至会加剧全球水危机。核心发现：不平等是水资源短缺风险的“倍增器”研究团队开发了全新的机器学习全球用水预测（ML-GWF）模型，基于数十年的历史数据，对未来不同共享社会经济路径（SSPs）下的全球水资源供需格局进行了模拟。研究发现：在以区域竞争和不平

在全球变化驱动的水文循环演变背景下，森林作为陆地生态系统的核心，其覆盖变化对全球水分再分配具有深远影响。近日，河海大学地球科学与工程学院吴太夏教授领衔的水资源环境遥感研究团队，在《Science Advances》发表题为“Forest loss intensifies meteorological drought in over half of Earth’s climate zones”的研究成果。该研究首次系统性地评估了全球森林损失对不同气候带气象干旱的影响，并揭示了其背后的陆-气相互作用反馈机制（图1）。自1990年以来，全球约4.2亿公顷森林消失，规模相当于亚马逊雨林的八倍。这种大尺度森林损失并非均匀分布，而是高度集中于北方高纬、热带边缘和人类活动强烈区域。尽管已知森林损失会通过扰动地表能量平衡，改变区域降水和气温格局，但在降水格局复杂的气候系统中，这种效应是短期扰动还是会累积放大为气象干旱，学术界此前仍缺乏明确证据。此外，不同气候带的生物物理过程复杂多样，阻碍了对森林损失引发气候响应机制的全面而统一的理解。图1森林损失驱动气象干旱的陆–气相互作用反馈机制示意图核心发现：森林

多模态大模型正成为新一代人工智能基础设施，其中面向遥感智能解译的多模态大模型作为“人工智能+遥感”交叉领域的前沿技术，在监测全球资源、环境、社会发展等方面发挥着重要作用。我校计算机与软件学院刘凡教授团队围绕“基础模型-感知模型-推理模型”研究思路，在遥感视觉语言大规模预训练、轻量型统一感知建模、强化学习驱动的地理空间推理等方面取得系列研究成果。1.构建了遥感视觉-语言基础模型RemoteCLIP团队深入分析了现有自监督学习和掩码图像建模在处理高层语义任务时的局限性，提出了首个遥感视觉-语言基础模型RemoteCLIP，研发了多源异构的数据扩展技术，解决了多模态遥感数据标注数量少、成本高、语义不对齐等问题。多模态遥感数据体系规模超同期数据集10倍，检索性能提升超10%。图1 RemoteCLIP基础模型2.提出了面向地球观测的轻量型统一感知模型 RemoteSAM为解决遥感难以兼容多种视觉任务的问题，团队研发了统一多视觉任务的轻量型感知模型RemoteSAM，在一个模型中同时支持分类、检测、分割和定位等8种遥感任务。不同于以往依赖特定任务头微调或基于大语言模型的文本生成范式，该研究提出了

海洋工程是国家现代综合性和战略性产业，面向远岸大水深海洋重大工程建设少人化、无人化、智能化作业需求，亟待开展复杂海洋工程环境高精度定位技术研究。我校信息科学与工程学院霍冠英教授团队在偏振成像去散射机理、物理驱动的水下偏振图像去散射、双目偏振与激光测距融合的水下高精度光学定位设备研发等方面取得系列研究成果，成果发表在光学领域与计算成像权威期刊《Optics and Lasers in Engineering》《Optics and Laser Technology》和《IEEE Transactions on Computational Imaging》，具体研究进展有：1.系统分析了偏振成像去散射的理论基础与实现路径自然水体中存在的悬浮粒子对入射光线具有散射与吸收作用，不仅造成目标光场能量的严重衰减，还使得背景杂散光混入成像系统，最终导致图像对比度与有效传输距离的显著下降。偏振成像技术利用光的偏振特性，有效抑制散射噪声，提升成像质量。从物理模型建立、成像系统构建、信息处理算法等多个维度，深入探讨了偏振去散射技术的理论基础与实现途径；分析了偏振成像的面临的主要挑战，包括成像分辨率与速度的