宦娟2024年最新论文：基于三维EEM和卷积神经网络的平原河网区农业地表污染识别
论论资讯 ｜ 2024-04-29 ｜
23热度
Water Science and Technology
Explore content
About the journal
Publish with us
Identification of agricultural surface source pollution in plain river network areas based on 3D-EEMs and convolutional neural networks
Huan Juan; Yuan Jialong; Zhang Hao; Xu Xiangen; Shi Bing; Zheng Yongchun; Li Xincheng; Zhang Chen; Hu Qucheng; Fan Yixiong; Lv Jiapeng; Zhou Liwan
Published：2024-04-01
DOI：10.2166/wst.2024.122
研究背景
大家是否曾想过，农业活动可能会对我们的水质和生态环境带来威胁？在江南平原的河流网络地区，农业非点源被发现是有机污染的主要来源之一，给水体质量、生态环境和人类健康带来了严重威胁。这些问题一直困扰着我们，需要一种准确识别各种类型农业有机污染的方法，以避免该地区水生态系统受到重大有机污染。
研究内容
最新研究提出了一种名为RA-GoogLeNet的网络模型，用于准确识别江南平原河流网络区域的农业有机污染。RA-GoogLeNet利用常州常荡湖流域农业非点源水质的荧光光谱数据，基于GoogLeNet架构，并在其A-Inception模块中添加了高效通道关注（ECA）机制，使模型能够自动学习独立通道特征的重要性。ResNet被用于连接每个A-Reception模块。实验结果显示，RA-GoogLeNet在水质荧光光谱分类中表现出色，准确率达到96.3%，比基准模型高出1.2%，同时具有良好的召回率和F1分数。这项研究为农业有机污染的可追溯性提供了强大的技术支持。
研究意义
这项研究的创新之处在于提供了一种有效的方法来识别农业有机污染，有助于保护水生态系统和人类健康。通过RA-GoogLeNet的应用，我们或许能更好地监测和防范农业污染，为环境保护和水资源管理提供有力支持。
希望这篇简明易懂的文章能让你更深入了解这一研究领域的重要性和意义。
学术热榜
查看全部
相关资讯
换一批