# 🔍 耿同学打假报告

## 论文信息
- 论文来源：getPDF.jsp.pdf
- 标题：Joint Retrieval of Ozone Profile in Near Space Based on the Atmospheric and Near Infrared Atmospheric Bands of O2Airglow
- 作者：Weiwei He, Zhongyi Fu, Daoqi Wang, Yufeng Zhou, Dongsheng Luo, Zhihua Wang, Xinyu Kang, Kuijun Wu
- 期刊：IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING
- DOI：10.1109/TGRS.2025.3598100
- 发表年份：2025

## 综合评定：✅ 清白

## 详细发现

### ⚠️ 发现 1：图片复用检测受限于文本形式
- **位置**：Figure 1 - Figure 15
- **描述**：本次检测仅获取了论文的纯文本内容（包含部分排版乱码），未提供足够的原始高清图片信息。
- **证据**：无法对 Western Blot、显微镜图或卫星遥感辐射光谱图进行像素级比对和背景噪点分析。
- **严重程度**：🟡（无法判断）
- **复核状态**：⚠️ 依据不足

### 发现 2：数据与统计学逻辑高度自洽
- **位置**：Abstract / Section IV. RESULTS AND VALIDATION / Section V. CONCLUSION
- **描述**：遥感反演类论文的数据通常表现为连续的廓线（Profile）和相关性分析。本文报告了与 SABER 数据的偏差（< 1 ppmv）以及与 MIPAS 数据的线性相关系数（0.96），并客观指出了在特定高度（如 70km 处的自吸收效应、90km 以上的信噪比下降）出现的误差增大现象。
- **证据**：摘要和结论中明确提到“deviation of less than 1 part per million (ppm) by volume compared with the SABER data and a linear correlation coefficient of 0.96 compared with MIPAS data”，且在结果部分详细探讨了高空 SNR 降低和低空自吸收引起的误差。这种对“不完美数据”的客观呈现是真实科学研究过程的典型特征，未触发“随机数生成器造假”的红旗信号。
- **严重程度**：✅（未发现异常）
- **复核状态**：✅ 成立

### 发现 3：时间线与设备使用逻辑合理
- **位置**：Section III. DATA AND METHODS / Section IV
- **描述**：论文使用了 ENVISAT 卫星上的 SCIAMACHY 仪器数据，选取的观测时间为 2011 年（如 May 19, 2011; April 19, 2011）。ENVISAT 卫星于 2012 年 4 月与地球失去联系并坠落。
- **证据**：原文中多处明确使用了2011年的历史数据（如“May 19, 2011”、“April 19, 2011”等）。同时文章日期信息显示于 2025 年 8 月发表，利用历史遥感数据进行算法反演研究在时间逻辑上没有任何漏洞。
- **严重程度**：✅（未发现异常）
- **复核状态**：✅ 成立

### 发现 4：方法学描述详实严谨
- **位置**：Section II - Section III
- **描述**：论文建立了完善的光化学模型，并给出了详细的微分方程和“剥洋葱”反演算法的数学推导。引用了正确的速率常数和光谱数据库（HITRAN）。
- **证据**：原文提供了光化学分子浓度方程（公式5-8）以及“onion peeling”算法的相关数学推导（公式13-15）。并在 Section II 中明确提到“the calculation of the jump probabilities was based on the HITRAN database”。公式推导与物理过程（如自吸收效应校正）描述匹配，未发现前后矛盾。
- **严重程度**：✅（未发现异常）
- **复核状态**：✅ 成立

## 耿同学辣评

遥感反演算法文章嘛，天上飞的卫星图咱们肉眼凡胎从文字里看不出PS的痕迹。但作者拿2011年SCIAMACHY的老古董数据，硬是把反演算法盘得包浆，还把那些数据飘忽的“瑕疵”交代得一清二楚。公式推导扎实，误差分析坦诚，这种踏踏实实做物理模型推导的风格，比那些满篇完美“假数据”的灌水文章顺眼多了，这次算是安全下车！

## 建议后续行动

- [x] 文本层面未发现明显异常，暂无需联系作者提供原始数据。
- [ ] （可选）若存在同行评议争议，可要求作者提供代码或验证集的开源链接。

## ⚠️ 免责声明

本报告由 AI 辅助生成，仅供学术讨论参考。
学术不端的最终认定需要专业机构调查。
我们支持学术诚信，但也尊重每一位研究者的名誉权。
如有异议，请以官方调查结论为准。
本工具不保证检测结果的准确性，误报和漏报均有可能。