Global multi-scale surface soil moisture retrieval coupling physical mechanisms and machine learning in the cloud environment
12Citations signalées, ce qui n’est pas une note de qualité
6Institutions déclarées
3Pays d’affiliation déclarés
Rattachement africain : cn, hk, mv. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Global multi-scale surface soil moisture retrieval coupling physical mechanisms and machine learning in the cloud environment
- Date Crossref
- 01/11/2025
- 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.
Les institutions déclarées
Wuhan UniversityHong Kong Baptist UniversityHubei UniversityChina University of GeosciencesMinistry of EducationState Key Laboratory of Information Engineering in Surveying Mapping and Remote Sensing
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Soil Moisture and Remote SensingLandslides and related hazardsClimate change and permafrost