Estimating soil moisture at farm scale with high spatial resolution: integrating remote sensing data, and machine learning
0Citations signalées, ce qui n’est pas une note de qualité
3Institutions déclarées
1Pays d’affiliation déclarés
Rattachement africain : cn. 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
- Estimating soil moisture at farm scale with high spatial resolution: integrating remote sensing data, and machine learning
- Date Crossref
- 01/02/2026
- 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
-
China Agricultural University Center for Agricultural Water Research in China pays non établi dans la noticeUniversité ou école supérieure
-
Ningxia University pays non établi dans la noticeUniversité ou école supérieure
-
Peking University pays non établi dans la noticeUniversité ou école supérieure
-
State Key Laboratory of Efficient Utilization of Agricultural Water Resources pays non établi dans la noticeStructure de recherche
-
School of Civil and Hydraulic Engineering pays non établi dans la noticeUniversité ou école supérieure
-
College of Urban and Environmental Sciences and Key Laboratory for Earth Surface Processes of Ministry of Education Institute of Ecology pays non établi dans la noticeUniversité ou école supérieure
Center for Agricultural Water Research in China — China Agricultural University, Ningxia University et Peking University, avec 3 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Soil Moisture and Remote SensingPlant Water Relations and Carbon DynamicsRemote Sensing in Agriculture