【文献情报】|Sci. Total Environ.|利用深度学习技术对河流系统富营养化时空动态进行分类！

文章预览

点击蓝色字体   关注我们 （一）基本信息 期刊： Science of the Total Environment 中科院分区： 1区 环境科学与生态学 影响因子（IF）：8.2 （二）作者信息 第 一 作者： Dukyeong Lee 通讯作者： JongCheol Pyo 第一 作者 单位： Department of Environmental Engineering, Pusan National University, Busan 46241, Republic of Korea 原文连接： https://doi.org/10.1016/j.scitotenv.2024.176585 （三）文章亮点 （1）开发并优化了用于TSIko分类的CNN模型； （2）CNN模型优于传统的机器学习模型； （3）生成韩国4条主要河流的富营养化图； （4）该地图提供了对富营养化的空间和时间变化的见解。 （四）摘要      由于严重的水华现象，富营养化是韩国水质恶化的主要原因。为了治理水体富营养化，韩国政府提供了营养状态指数( TSIko )，该指数根据Carlson的TSI进行了修订。利用机理性水质模型对TSIko水平进行了 ………………………………