Microplastics (MPs) have drawn exponential attention as anthropogenic pollutants, which have invaded every corner of planet. Seamounts are prominent features of the deep-sea topography, acting as breeding ground for marine animal calves and hotspots of pelagic biodiversity, yet MPs pollution in seamounts is scarcely studied. We investigated the MPs load in the whole vertical profile of seamount ambient water in the Subtropical Northwest Pacific Ocean. Based on focal plane array Fourier Transform Infrared spectrometry, MPs were detected in all layers, and varied from 0.9 to 3.8 items L

To promote the application of solar energy-heat pump combined drying technology in forage processing and enhance the drying efficiency of alfalfa, an experimental study was conducted. The research utilized a solar energy-heat pump drying system and a mesh belt dynamic drying device to investigate the drying characteristics of alfalfa. Drying characteristic curves were obtained, and the drying model and parameters were determined through model comparison. The study also analysed the impact of factors such as hot air velocity, temperature, alfalfa stacking thickness, turning angle of the spinner rack, and conveyor belt speed on the drying characteristic curves and parameters of alfalfa. A predictive model for alfalfa moisture content was developed, and the effective moisture diffusivity and activation energy were calculated. The findings revealed that alfalfa does not exhibit a constant speed drying stage, and its drying primarily occurs during the deceleration drying stage. The Logarithmic model was found to accurately describe the moisture change pattern during the dynamic drying process of alfalfa, with a model fitting coefficient R^2 exceeding 0.994, with an effective moisture diffusivity ranging from 2.776×10-10 m2/s to 4.7324×10-9 m2/s, and an activation energy of 37.02 kJ/mol. The study suggests that increasing the hot air velocity and temperature, reducing the conveyor belt speed, and adjusting the alfalfa stacking thickness can further enhance the drying rate and reduce the drying time.

Hyperspectral imagery from an Unmanned Aerial Vehicle (UAV) has been used to predict soil organic carbon (SOC) content. This study compared UAV hyperspectral imagery with Sentinel-2A multispectral imagery and soil spectra in the laboratory to predict the SOC content in Suaeda salsa (S. salsa) coastal wetland. Characteristic variables were determined through correlation analysis comparing observed SOC with constructed spectral indices of SOC, index variables, and spectral bands. Predict Models of SOC were constructed by multilayer perceptron (MLP), the prediction accuracy was evaluated and the spatial maps of SOC were produced. The results showed that estimating SOC using UAV, Sentinel imagery, and laboratory spectra has great potential when using MLP algorithm. The SOC content can be accurately predicted by the laboratory spectra without spatial map. The accuracy of SOC estimation was better when based on Sentinel-2A imagery than UAV imagery, with the model determination coefficients (R2) of 0.838 and 0.638, the root mean square error (RMSE) of 0.398 and 0.596 g kg−1, ratio of performance to deviations (RPD) of 2.485 and 1.660, and bias of − 0.028 and 0.085 g kg−1, respectively. The SOC estimation model using Sentinel-2A imagery demonstrated better stability than that using UAV imagery, with the mean uncertainty standard deviations (SD) of 0.226 and 0.291 g kg−1, respectively. The spatial SOC maps generated from both UAV and Sentinel-2A imagery presented more subtle variation information when compared with the spatial interpolation results. Although the prediction accuracy of SOC from UAV was lower than that from Sentinel-2A, UAV imagery could disclose more fine distribution information of SOC at the local level. The UAV imagery can be used to estimate SOC in coastal wetlands but with a higher cost than freely available Sentinel images. We recommend using sentinel imagery to predict SOC at regional, national, or even global levels.

Timely and accurate extraction of crop planting units plays a critical role in crop yield estimation, soil management, food supplies, and disaster warnings. However, precisely mapping crop types is challenging in smallholder farming systems due to heterogeneous and mixed pixels, where field sizes are small, and crop types are very diverse. In this paper, the crop type system of Huocheng County in northwest China as an example area, crop classification feature variables are constructed using Sentinel-2 remote sensing images, and combining the ReliefF algorithm, three feature selection classification models are established by 3092 crop type sampling points data. The crop planting units are extracted using pixel-based and object-based classification methods, respectively, and unmanned aerial vehicle (UAV) data assess the accuracy as ground truth. The Sentinel-2 image based smallholder crops classification results indicate that: The effective combination of optimal input feature variables selection and classification models significantly improves crop classification accuracy. This is particularly evident when integrating this approach into pixel-based classification, addressing challenges such as low pixel classification accuracy in regions of this type. The validation results from UAV data also confirm these findings. At validation points 2, 3, and 4, pixel-based classification demonstrates significantly higher accuracy compared to object-based classification, with pixel-based classification accuracy improving by 9.16%, 7.83%, and 31.83%, respectively. Although the UAV validation accuracy does not reach a high level, pixel-based classification remains the optimal choice for smallholder crop classification. This method offers new insights and references for research related to the classification of smallholder crops with complex planting structures.

Cluster luminescent materials (CLgens) with nonconjugated structures have attracted considerable attention. However, their low quantum yield and limited emission wavelengths, which are confined to the blue-green spectrum, continue to restrict their applicability. In this study, maleic anhydride polymer chains were modified with N-tristyrylene-1,2-diamine (TPM-NH2), creating a secondary donor–acceptor structure through freely rotatable phenyl groups and amino–anhydride interactions. This modification facilitated the formation of charge transfer (CT) states and strengthened the through-space interaction (TSI), resulting in a remarkable red shift in emission wavelength from 400 to 640 nm. The flexible ethyl chain acted as a bridging unit within this framework, enhancing through-space charge transfer (TSCT) and elevating the quantum yield (QY) to 28.28%. This research offers a strategy for improving the QY of anhydride copolymers and demonstrates the potential for controllable emission wavelengths, thereby broadening their application domains, including in light-conversion agricultural films.

Abstract MXene is widely used in the electromagnetic interference (EMI) shielding field. However, the high electromagnetic reflectivity of pure MXene causes potential secondary EMI pollution. This study presents a hollow egg‐box structure used in MXene composite film, by which the reflectivity (R) could decrease from 0.98 to 0.54 and absorbance (A) increased from 0.02 to 0.45, effectively decreasing the high electromagnetic reflectivity of pure MXene. Additionally, compared to pure MXene films, the MXene composite films exhibit improved electromagnetic interference shielding effectiveness (EMI SE) and SSE/t. The prepared films achieve a peak EMI SE of 69.19 dB at 12.4 GHz, which is 1.3 times higher than pure MXene, and a peak SSE/t of 27 888 dB cm 2 g⁻¹ at 12.4 GHz, 1.4 times that of pure MXene. The hollow egg‐box structure not only enhances the electromagnetic shielding performance beyond pure MXene but also demonstrates outstanding performance compared to most reported MXene films, balancing lightweight material properties with effective shielding. Furthermore, the prepared MXene composite films with the hollow egg‐box structure show improved water resistance. Therefore, MXene composite films with hollow egg‐box structures are promising candidates for advanced EMI devices in future lightweight materials.