• 在线超市中的替换推荐(Swap Recommendations)是否有效？——利用真实产品与价格助推(Nudging)植物基食品购买行为

  摘要：随着在线杂货购物的发展，数字助推(Digital Nudging)日益受到关注。尽管既往研究表明替换推荐(Swap Recommendation)可促进更健康食品的选择，但其结论仅基于假设性选择任务。本研究通过让参与者完成需实际获得部分所购产品并按真实价

  来源：Food Quality and Preference

  时间：2026-04-01

• 校园绿地与儿童学业成就及幸福感的关系：基于挪威全国性人群的研究

  学校及其周边邻近环境是儿童学习与发展的关键场所。尽管越来越多的证据表明学校周边绿地可能支持学生的认知表现与幸福感，但邻里特征在这些关系中的调控作用尚不充分明确。本研究检验了学校周边绿地与学校层面学业成就及幸福感之间的关联，并考察这些关联是否因邻里社会经济地位（

  来源：Environmental Research

  时间：2026-04-01

• 关联早期妊娠全氟/多氟烷基物质(PFAS)混合物谱型与饮食模式的两步贝叶斯聚类(Two-step Bayesian Clustering)方法

  2021年4月22日，一起大规模敏感黏土滑坡将加拿大努纳维克大鲸河(Great Whale River, GWR)沉积物掩埋于数百万立方米碎屑及液化后冰期黏土之下，破坏了沉积物地球化学与底栖群落。研究人员于滑坡后首年夏季及随后三个时间点(灾后28个月内)沿滑坡

  来源：Environmental Research

  时间：2026-04-01

• 降低水稻田氨排放：替代肥料的建模与田间试验

  农业贡献了全球80%以上的氨（NH₃）排放，由于NH₃挥发与一系列有害环境和公共健康后果相关，因此减轻NH₃挥发的挑战十分突出。目前，由于缺乏排放清单与田间验证的充分结合，针对特定来源的缓解策略仍然缺乏约束。在这项研究中，研究人员结合了基于过程的耦合人类与自然

  来源：Environmental Advances

  时间：2026-04-01

• 通过未来设计实现转型式适应

  针对社区根本脆弱性的转型式适应（Transformational Adaptation, TA）亟需建立简易且具成本效益的原型方案。既往研究.bundle研究识别出TA面临的三大核心挑战：（i）消解权力不对等以确保真正的共同创造；（ii）参与者对科学信息的前摄

  来源：Environmental Challenges

  时间：2026-04-01

• 融合地表物候与机器学习增强 WorldCereal 作物历

  精确的作物历对于理解全球农业物候、绘制作物类型、改进产量预测以及在气候变率背景下应对粮食安全挑战至关重要。本研究在 WorldCereal 系统基础上提出了作物历建模的重要进展：将基于 MODIS AQUA NDVI 时间序列提取的地表物候（Land Surf

  来源：Ecological Informatics

  时间：2026-04-01

• AI模型在冷水珊瑚检测与分类中的可迁移性测试

  深海成像平台（如拖曳式相机、遥控水下机器人(ROV)和自主水下航行器(AUV))的普及使得单次科考即可产生海量图像数据，导致分析瓶颈——经验丰富的分析人员可能需要数月甚至数年才能完成单次调查所获影像的标注工作。随着海洋观测策略日趋自主化、数据采集速率持续加速，

  来源：Ecological Informatics

  时间：2026-04-01

• 改进CASA模型用于稳健碳汇评估：以中国东北地区为例研究

  Carnegie–Ames–Stanford Approach（CASA）是基于光能利用率（Light-Use Efficiency, LUE）模型估算陆地生态系统碳固持的常用方法，但其在气候异质性区域的精度有限。研究人员提出一种区域适应性CASA框架：（i）

  来源：Ecological Indicators

  时间：2026-04-01

• 改进的珊瑚藻礁生物建造质量指数（modified Coralligenous Bioconstructions Quality Index, CBQImod）结合STAR协议用于评估珊瑚藻礁悬崖（coralligenous cliffs）生态状况的应用研究

  珊瑚藻礁生物建造质量指数（Coralligenous Bioconstructions Quality Index, CBQI）是一种基于遥控水下机器人（Remotely Operated Vehicle, ROV）影像在较大空间尺度上评估不同类型珊瑚藻礁（c

  来源：Ecological Indicators

  时间：2026-04-01

• 可解释人工智能（Explainable AI, XAI）数字孪生（Digital Twin）框架用于早期肺部疾病检测

  摘要（Abstract）：本研究提出一种可解释人工智能（Explainable Artificial Intelligence, XAI）增强的数字孪生（Digital Twin）框架，专为城市20–35岁青年人群中慢性肺部结构性异常的早期检测而设计。研究人员

  来源：Frontiers in Computer Science

  时间：2026-04-01

知名企业招聘：