当前位置: 首页 > 科学研究 > 科研动态
科研动态
科研进展|中国海洋经济投入产出表的编制及应用
张增凯教授团队联合国内多家研究单位,编制了中国沿海省份海洋经济投入产出表,为我国海洋经济与管理领域研究提供了一套开源数据集,在海洋社会经济与自然生态复合系统研究领域具有应用潜力。
发表于:2025年06月09日
科研进展|气候振荡驱动全球红树林生长变异的“跷跷板”模式
海岸带韧性研究团队联合新加坡国立大学、美国杜兰大学等机构的学者,在全球范围内揭示了厄尔尼诺-南方涛动(ENSO)和印度洋偶极子(IOD)等气候振荡模式通过影响海平面波动对红树林生长的“跷跷板”现象的驱动机理。
发表于:2025年06月09日
科研进展 | 从细菌碳代谢视角揭示南海与西太平洋生物泵差异
肖武鹏副教授和黄邦钦教授团队,以Contrasting drivers of bacterial metabolism in the euphotic and mesopelagic zones of tropical oligotrophic oceans为题,在Global Biogeochemical Cycles发表最新研究进展。
发表于:2025年06月09日
科研进展 | 微型浮游植物“吞食细菌”揭示海洋碳循环新路径
肖武鹏副教授团队,以Phago-mixotrophic activity within nanophytoplankton community in a subtropical marginal sea为题,在Limnology and Oceanography发表最新研究进展。首次系统阐述了南海微型浮游植物不同类群的“吞噬混合营养(phago-mixotrophy)”行为,并量化了其在碳生产中的贡献,揭示了海洋中“...
发表于:2025年05月16日
科研进展 | 海底系统深层水中溶解态砷的去除
曹知勉教授和马剑教授等在砷的深海生物地球化学循环及其源汇过程方面取得新进展,相关成果以“Removal of dissolved arsenic from deep seawater around hydrothermal vents and seamounts”为题,发表于Earth and Planetary Science Letters.
发表于:2025年04月18日
科研进展 | 资管机构碳足迹及减排目标
张增凯教授团队全面核算了全球前500家大型资产管理机构的股权投资碳足迹规模和分布特征,揭示当前资管机构的低碳转型行动与《巴黎协定》减排目标不一致的问题。该研究进展以 “Leading global asset managers are crucial but off track in climate change mitigation” 为题,发表在One Earth上。
发表于:2025年04月18日
科研进展 | 始新世暖期北太平洋水平环流的极向扩张机制
张彧瑞副教授团队联合斯德哥尔摩大学、布里斯托大学等合作者,通过古气候模拟,研究揭示了始新世早期北太平洋环流(gyre)的极向扩张机制。相关成果以“Poleward expansion of North Pacific gyre circulation during the warm early Eocene inferred from inter-model comparisons”为题,发表于Palaeogeography, Palaeoclimatology, Palaeoecology.
发表于:2025年04月09日
科研进展 | 深海溶解有机碳库并非沉寂
沈渊教授以“Special delivery of proteinaceous matter to deep-sea microbes”为题,在Science Advances发表最新研究进展。该研究证明了深海溶解有机碳库并非完全生物惰性,其中存在着可被微生物利用的新鲜蛋白类有机质,并提出浮游动物的垂向迁移驱动了活性有机质向深海输运,为深海微生物提供了一个高效的“快递补给”途径。
发表于:2025年03月27日
科研进展 | 大型海藻养殖减弱亚热带海湾水体的碳排放
朱旭东教授团队在大型海藻养殖区水气界面碳通量研究方面取得新进展,相关成果以“Coastal macroalgae aquaculture reduces carbon dioxide emission in a subtropical enclosed bay: Insights from eddy covariance measurements”为题,发表于Agriculture, Ecosystems & Environment.
发表于:2025年03月24日
科研进展 | 混合深度学习模型提升藻华短期预测精度
肖武鹏副教授团队,开发了一种新型混合深度学习模型(TAB),显著提升了藻华短期预测的精度。该研究成果以“Enhancing short-term algal bloom forecasting through an anti-mimicking hybrid deep learning method”为题发表于Journal of Environmental Management.
发表于:2025年03月24日
首页上页12345...24下页尾页 /24页 跳转