Desilting 4.0: A Sky–Land–Water–AI Digital-Twin Framework for Low-Emission Multi-Contaminant Co-Solidification and Machine-Learning Foresight in El Niño-Ready Andean Rivers and Lagoons
Cet article de méthodologie propose un cadre de jumeau numérique piloté par l'IA et à faibles émissions, intégrant des liants composites, des prévisions par apprentissage automatique et la télédétection pour permettre la cosolidification évolutive de sédiments multi-contaminants dans les rivières et lagunes des Andes péruviennes en amont des événements El Niño anticipés, en s'appuyant sur les pratiques de remédiation chinoises documentées tout en identifiant la validation à l'échelle pilote comme la prochaine étape critique.