The water index (WI) is designed to highlight inland water bodies in remotely sensed imagery. The application of WI for water body mapping is mainly based on the thresholding method. However, there are three primary difficulties with this method: (1) inefficient identification of mixed water pixels; (2) confusion of water bodies with background noise; and (3) variation in the threshold values according to the location and time of image acquisitions. Considering that mixed water pixels usually appear in narrow rivers or shallow water at the edge of lakes or wide rivers, an automated method is proposed for extracting rivers and lakes by combining the WI with digital image processing techniques to address the above issues. The data sources are the Landsat TM (Thematic Mapper) and ETM+ (Enhanced Thematic Mapper Plus) images for three representative areas in China. The results were compared with those from existing thresholding methods. The robustness of the new method in combination with different WIs is also assessed. Several metrics, which include the Kappa coefficient, omission and commission errors, edge position accuracy and completeness, were calculated to assess the method’s performance. The new method generally outperformed the thresholding methods, although the degree of improvement varied among WIs. The advantages and limitations of the proposed method are also discussed.

Abstract Photovoltaic (PV) installations are a leading technology for generating green electricity and reducing carbon emissions. Roofing highways with solar panels offers a new opportunity for PV development, but its potential of global deployment and associated socio‐economic impacts have not been investigated. Here, we combine solar PV output modeling with the global highway distribution and levelized cost of electricity to estimate the potential and economic feasibility of deploying highway PV systems worldwide. We also quantify its co‐benefits of reducing CO 2 equivalent emissions and traffic losses (road traffic deaths and socio‐economic burdens). Our analysis reveals a potential for generating 17.58 PWh yr −1 of electricity, of which nearly 56% can be realized at a cost below US$100 MWh −1 . Achieving the full highway PV potential could offset 28.78% (28.21%–29.1%) of the global total carbon emissions in 2018, prevent approximately 0.15 million road traffic deaths, and reduce US$0.43 ± 0.16 trillion socio‐economic burdens per year. Highway PV projects could bring a net return of about US$14.42 ± 4.04 trillion over a 25‐year lifetime. To exploit the full potential of highway PV, countries with various income levels must strengthen cooperation and balance the multiple socio‐economic co‐benefits.

Abstract Rheumatoid arthritis (RA) is an autoimmune disorder characterized by chronic inflammation of the synovial joints and the dysfunction of regulatory T cells (Tregs) in the peripheral blood. Therefore, an optimal treatment strategy should aim to eliminate the inflammatory response in the joints and simultaneously restore the immune tolerance of Tregs in peripheral blood. Accordingly, we developed an efferocytosis‐mimicking nanovesicle that contains three functional factors for immunomodulating of efferocytosis, including “find me” and “eat me” signals for professional (macrophage) or non‐professional phagocytes (T lymphocyte), and “apoptotic metabolite” for metabolite digestion. We showed that efferocytosis‐mimicking nanovesicles targeted the inflamed joints and spleen of mice with collagen‐induced arthritis, further recruiting and selectively binding to macrophages and T lymphocytes to induce M2 macrophage polarization and Treg differentiation and T helper cell 17 (Th17) recession. Under systemic administration, the efferocytosis‐mimicking nanovesicles effectively maintained the pro‐inflammatory M1/anti‐inflammatory M2 macrophage balance in joints and the Treg/Th17 imbalance in peripheral blood to prevent RA progression. This study demonstrates the potential of efferocytosis‐mimicking nanovesicles for RA immunotherapy.

风暴岩是由风暴形成的事件性沉积序列. 风暴的形成理论上要求水体温度26.5 ℃ 以上. 由于宽度和水温的限制, 湖泊上空不太可能形成热带气旋并出现风暴岩. 四川盆地上三叠统须家河组为一套辫状河三角洲-湖泊相建造, 近年来广泛报导有风暴沉积记录. 广元紫兰坝剖面须五段古土壤层面的原位树木化石材料提供了风暴的新证据. 9例材料中6份原位树木的倒塌方向集中呈北西向, 与下伏地层中古水流数据相反, 推测广元地区三叠纪末期曾盛行东南风. 新店子剖面和四川盆地须家河组内砂岩内普遍发育有呈撕裂状或具塑性变形的泥砾. 泥砾无搬运痕迹, 显"八"字型特征, 被解释为风暴滞留沉积. 表明须家河组沉积时期曾普遍受到风暴作用的影响. 晚三叠世期间盛行 "巨型季风" 气候, "巨型季风" 因其表面风最大风速低, 并非四川盆地须家河组风暴沉积的原因. "巨型季风" 气候体制下, 须家河组风暴岩的驱动机制是特提斯洋上空热带气旋东移登陆四川盆地西缘的结果. 环特提斯域风暴岩对比统计数据显示, 三叠纪末期特提斯低纬度地区普遍出现大规模风暴潮, 四川盆地须家河组顶部广泛出现的风暴岩很可能是三叠纪末期极热事件的沉积响应.

The optimal tilt angle for photovoltaic (PV) systems is crucial for maximizing solar energy capture. China's diverse climate and geography pose challenges for tilt angle optimization. This study addresses the challenges by using a data-driven approach to determine grid-specific optimal tilt angles across China. Long-term ERA5 hourly solar radiation data and an optimization procedure are used to calculate the annual and monthly tilt angle that maximizes the total solar radiation received over different time periods (up to ten years) for every grid in China. Sensitivity analyses indicate that the optimized tilt angle varies by up to 10° depending on the time period considered, highlighting the importance of long-term radiation data. It is shown that four latitude-dependent schemes in China cannot accurately match the optimized tilt angles, emphasizing the need for optimization through the use of local solar radiation. The difference between our optimized tilt angles and ones via a best-performing latitude scheme makes for an estimated PV power loss of approximately 1.11 TWh/year based on China's PV installations in 2018, equivalent to the PV power generation of Philippines or Portugal in the same year. The presented data-driven framework contributes to China's PV industry by determination of optimal fixed tilt angles.

Abstract Most state‐of‐the‐art vehicle recognition methods benefit from the excellent feature extraction capabilities of convolutional neural networks (CNNs), which allow the models to perform well on the intra‐dataset. However, they often show poor generalisation when facing cross‐datasets due to the overfitting problem. For this issue, numerous studies have shown that models do not generalise well in new scenarios due to the high correlation between the representations in CNNs. Furthermore, over‐parameterised CNNs have a large number of redundant representations. Therefore, we propose a novel Decorrelated Sparse Representation (DSR) regularisation. (1) It tries to minimise the correlation between feature maps to obtain decorrelated representations. (2) It forces the convolution kernels to extract meaningful features by allowing the sparse kernels to have additional optimisation. The DSR regularisation encourages diverse representations to reduce overfitting. Meanwhile, DSR can be applied to a wide range of vehicle recognition methods based on CNNs, and it does not require additional computation in the testing phase. In the experiments, DSR performs better than the original model on the intra‐dataset and cross‐dataset. Through ablation analysis, we find that DSR can drive the model to focus on the essential differences among all kinds of vehicles.