Stress-induced anisotropy has been applied for FeSiBCuNb nanocrystalline alloy ribbons in transformers with large direct current (DC) component. However, the physical mechanism of anisotropy induced by stress annealing during crystallization remains controversial. Here, a systematic study was conducted on the microstructure, residual stress state, dynamic domain structure and properties of the stress-annealed FeSiBCuNb nanocrystalline ribbons. Present results demonstrate that, the increase of the applied stress greatly increases the residual tensile stress and induces lattice distortion, which acts as pinning site during magnetization, resulting in enhanced domain-wall energy and narrower wall width. Meanwhile, stress annealing promotes the flattening of hysteresis loops and decreases the effective permeability, which improves the DC-bias characteristics of the ribbons, thereby promoting the transition from "hard saturation" to "soft saturation" behavior. Also, stress-induced grain refinement is beneficial to obtaining high hardness. Owing to the stress-induced anisotropy, the stress-annealed sample with applied stress of 113 MPa exhibits excellent combined properties, including low constant effective permeability of 438 at wide frequency range (1 kHz–8 MHz), high DC-bias capability of 74% (30 Oe), low power loss of 49 kW/m3 (100 mT, 100 kHz), and high hardness of 644 HV. This discovery provides an insightful understanding of stress-induced anisotropy mechanism on the high-performance Fe-based nanocrystalline alloys.

Forest age plays a crucial role in assessing forest structure, carbon sinks, and other ecological functions. How to estimate forest age by satellite remote sensing data has been a hot research topic. This study focused on the forests of Zhejiang Province, utilizing Landsat 5 as the remote sensing data source to extract distribution information of broadleaf and coniferous forests. Then, the remote sensing feature variables were screened, and the age of broadleaf forests and coniferous forests was estimated by using the multiple linear regression model MLR, the machine learning model (K-nearest neighbor method regression model KNN, support vector regression model SVR), and the ensemble learning model (adaptive boosting model AdaBoost, random forest model RF, and eXtreme gradient boosting XGBoost). After analyzing the forest age estimation results from different models, the best-performing model was selected to create a spatial distribution map of forest age in Zhejiang Province. The study shows that the ensemble machine learning model can better realize the remote sensing inversion of forest age. The optimal model for broadleaf forests is the XGBoost model, with a coefficient of determination R2 of 0.832, a root mean square error (RMSE) of 5.823a and a relative root mean square error (rRMSE) of 21.009%. And the top model for coniferous forests is the RF model, with R2 of 0.800, RMSE of 5.076a and rRMSE of 19.782%. Compared with the MLR model, the best broadleaf and coniferous forest age inversion models improved the R2 by 75.120% and 82.500%, and reduced the RMSE by 52.674% and 47.540%, and reduced the rRMSE by 52.703% and 47.480% respectively. Additionally, the analysis revealed that 50% of the remote sensing feature variables involved in forest age inversion are texture features, indicating that texture is an important feature variable for the construction of forest age remote sensing inversion models.

Abstract BiSCl, which shares the anisotropic chain‐like lattice configuration with the Bi V X VI Y VII (XS, Se; YCl, Br, I) family displays high photoelectric conversion efficiency in the UV–vis wavelength region. The current difficulty in 2D growth restricts the investigation of device performance and further integration. Herein, an epitaxial growth strategy for 2D BiSCl is proposed based on the principle of sharing a chloridion layer at the BiSCl/BiOCl interface. The interfacial atomic arrangement is carefully revealed using atomic resolved AC‐TEM(Spherical Aberration High Transmission Electron Microscope) and demonstrated by calculations based on density functional theory. Benefiting from its compatibility with PS‐assisted large‐scale transfer technology, the photoelectric performance is evaluated by constructing a standard symmetrical photoconductor and Graphene‐BiSCl Schottky junction device. High responsivity (1.71 × 10 4 A W −1 ) and detectivity (5.9 × 10 16. Jones) are achieved at 405 nm, and robustness is shown in a broadband spectrum, which manifested prominent anisotropic photoelectric behavior and great potential in weak‐light detection. These results elucidate the photoelectric applications of BiSCl semiconductors and the structural design of the Bi V X VI Y VII family.

Land Use and Cover Change (LUCC) has emerged as a primary driver of terrestrial carbon storage changes. However, the contributions of LUCC to Above-Ground Carbon (AGC) storage in subtropical forests remain unclear due to the complex and diverse LUCC trajectory. Quantitative assessment of the impact of different LUCC trajectories on carbon storage is essential for regional carbon cycle mechanisms. Therefore, this study focuses on Zhejiang Province, a representative subtropical forest region in China, to accurately assess the contribution of LUCC to AGC storage changes from 1984 to 2019. We first mapped the land cover patterns using the random forest and spatiotemporal filtering algorithm and then applied these patterns to drive an optimized BIOME-BGC model to simulate the spatiotemporal distribution of AGC density. Finally, the LUCC trajectories were classified into three categories: afforestation, deforestation, and forest type transformations. Their contributions to AGC changes were isolated and analyzed through the trajectory analysis. The results demonstrated that the forest area of Zhejiang Province increased from 5.35 × 106 ha to 6.83 × 106 ha (+27.66%) and the total forest AGC storage increased from 80.52 Tg C to 124.16 Tg C (+54.19%) between 1984 and 2019. The increase in forest AGC due to LUCC amounted to 31.26 Tg C, contributing 71.63% to the total. Specifically, the afforestation, deforestation, and forest type transformations contributed 82.37%, −17.27%, and 6.53% to the change in AGC, respectively. Overall, the afforestation within the LUCC trajectories was the primary contributing factor to the growth of forest AGC in Zhejiang Province from 1984 to 2019. This study obtained accurate LUCC and AGC data, clarifying the contribution of different LUCC trajectories and providing a better understanding of the responses of the forest carbon storage to LUCC dynamics.