Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Deep learning and hybrid modeling of global vegetation and hydrology

Kraft, B. (2022). Deep learning and hybrid modeling of global vegetation and hydrology. PhD Thesis, Technical University of Munich, München.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/21.11116/0000-000A-C8AE-1 Versions-Permalink: https://hdl.handle.net/21.11116/0000-000D-7A8D-C
Genre: Hochschulschrift

Externe Referenzen

einblenden:
ausblenden:
externe Referenz:
http://mediatum.ub.tum.de/doc/1638184/document.pdf (Postprint)
Beschreibung:
Thesis (hosted by TU Munich)
OA-Status:
Grün

Urheber

einblenden:
ausblenden:
 Urheber:
Kraft, Basil1, 2, Autor           
Affiliations:
1Global Diagnostic Modelling, Dr. Martin Jung, Department Biogeochemical Integration, Prof. Dr. M. Reichstein, Max Planck Institute for Biogeochemistry, Max Planck Society, ou_1938311              
2IMPRS International Max Planck Research School for Global Biogeochemical Cycles, Max Planck Institute for Biogeochemistry, Max Planck Society, Hans-Knöll-Str. 10, 07745 Jena, DE, ou_1497757              

Inhalt

einblenden:

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2022
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: München : Technical University of Munich
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: Anderer: bgc312
 Art des Abschluß: Doktorarbeit

Veranstaltung

einblenden:

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle

einblenden: