Effects of 3D urban morphology on CO2 emissions using machine learning: Towards spatially tailored low-carbon strategies in Central Wuhan, China
Rattachement africain : cn, us. Niveau de preuve : code pays fourni par la source.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Effects of 3D urban morphology on CO2 emissions using machine learning: Towards spatially tailored low-carbon strategies in Central Wuhan, China
- Date Crossref
- 01/09/2024
- Éditeur
- Elsevier BV
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Wuhan University Research Center for Digital City pays non établi dans la noticeUniversité ou école supérieure
-
Wuhan Science and Technology Bureau pays non établi dans la noticeOrganisme public
-
Harvard University Center for Geographic Analysis pays non établi dans la noticeUniversité ou école supérieure
-
Center for Policy Analysis pays non établi dans la noticeOrganisation à but non lucratif
-
Southwest Jiaotong University pays non établi dans la noticeUniversité ou école supérieure
-
School of Urban Design pays non établi dans la noticeUniversité ou école supérieure
-
Wuhan Natural Resources Conservation and Utilization Center pays non établi dans la noticeInstitution
-
School of Architecture pays non établi dans la noticeUniversité ou école supérieure
Research Center for Digital City — Wuhan University, Wuhan Science and Technology Bureau et Center for Geographic Analysis — Harvard University, avec 5 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.