纪录片《远征：拯救我们的海洋》呈现南大洋深海新物种发现
该片以纪实影像呈现科学家在南大洋深海发现新生命形态时的惊奇与喜悦，属于科普资讯，不构成研究结论；对科学发现本身的方向与强度，材料未报告。 研究设计与做法：材料未报告。该条目为纪录片资讯，无研究设计、样本量、干预与对照或随访时长等信息。
基于GFDL-CM4情景的ERCOT电网效率与剩余电价集合预测（2025–2050）
结论方向：基于CMIP6 GFDL-CM4气候情景的集合预测提示，2025–2050年得州ERCOT电网中可再生能源效率缺口最重，风电与光伏月均分别为8.14%与12.44%，并估算居民与零售商的长期经济损失。该结果为模型情景推演，属提示性证据。 研究设计：多阶段集合学习预测框架
BiDepth双向深度神经网络用于时空预测：在NYC出租车与降水数据上降低MSE最多14.6%
结论方向：在NYC出租车与美国降水两个真实数据集上，所提BDMNN的预测误差低于标准基线，MSE最多降低14.6%；在参数量仅0.44M的条件下，其表现与大型视频预测架构相当或更优。该结论来自作者自报的对比实验，属模型性能层面的证据支持，尚不足以推断在其他时空场景中的普适优势。
集成物种分布模型预测古尔班通古特沙漠短命植物多样性及优先保护区（35种，2050s四情景）
结论方向：在2050s各排放情景下，古尔班通古特沙漠35种优势短命植物的物种丰富度均呈下降，高排放路径下降更多；优先保护区面积收缩并向沙漠中南部边缘与西部集中。该结果为模型模拟的提示性预测，而非观测证实的未来变化。 研究设计：基于物种分布数据与12个环境变量的集成物种分布模型模拟
