Integrating Bi-LSTM deep learning and Sentinel-2 remote sensing for advanced spatiotemporal water quality monitoring and anomaly detection
0Citations signalées, ce qui n’est pas une note de qualité
3Institutions déclarées
1Pays d’affiliation déclarés
Rattachement africain : Éthiopie. 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
- Integrating Bi-LSTM deep learning and Sentinel-2 remote sensing for advanced spatiotemporal water quality monitoring and anomaly detection
- Date Crossref
- 01/10/2026
- 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.
Les institutions déclarées
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Flood Risk Assessment and ManagementWater Quality and Pollution AssessmentMarine and coastal ecosystems