Revealing the drivers and genesis of NO3-N pollution classification in shallow groundwater of the Shaying River Basin by explainable machine learning and pathway analysis method

Chu, Yanjia ; He, Baonan ; et al.

In: Science of the Total Environment, Jg. 918 (2024-03-25)

academicJournal

Titel:	Revealing the drivers and genesis of NO3-N pollution classification in shallow groundwater of the Shaying River Basin by explainable machine learning and pathway analysis method
Autor/in / Beteiligte Person:	Chu, Yanjia ; He, Baonan ; He, Jiangtao ; Zou, Hua ; Sun, Jichao ; Wen, Dongguang
Link:	E-Journal im Bestand der UB Hagen?
Zeitschrift:	Science of the Total Environment, Jg. 918 (2024-03-25)
Veröffentlichung:	2024
Medientyp:	academicJournal
ISSN:	0048-9697 (electronic)
DOI:	10.1016/j.scitotenv.2024.170742
Sonstiges:	Nachgewiesen in: ScienceDirect Sprachen: English

Klicken Sie ein Format an und speichern Sie dann die Daten oder geben Sie eine Empfänger-Adresse ein und lassen Sie sich per Email zusenden.

BibTeX Citavi, JabRef, u.a.
(Literaturverwaltung)

PDF kein Volltext!
(Merkzettel, Notizen)

RIS Endnote, Citavi u.a.
(Literaturverwaltung)

MODS
(XML zur Weiterverarbeitung)

oder

Wählen Sie das für Sie passende Zitationsformat und kopieren Sie es dann in die Zwischenablage, lassen es sich per Mail zusenden oder speichern es als PDF-Datei.

Gewünschter Zitations-Stil:

oder

Bitte prüfen Sie, ob die Zitation formal korrekt ist, bevor Sie sie in einer Arbeit verwenden. Benutzen Sie gegebenenfalls den "Exportieren"-Dialog, wenn Sie ein Literaturverwaltungsprogramm verwenden und die Zitat-Angaben selbst formatieren wollen.