Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
 
 
DownloadE-Mail
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Interpretable machine learning to understand meteorological impacts on ecosystem carbon uptake

Hafezi Rachti, D. (2023). Interpretable machine learning to understand meteorological impacts on ecosystem carbon uptake. Bachelor Thesis, University of Hamburg, Hamburg.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/21.11116/0000-000E-0FE8-D Versions-Permalink: https://hdl.handle.net/21.11116/0000-000E-AB82-E
Genre: Hochschulschrift

Dateien

einblenden: Dateien
ausblenden: Dateien
:
BGC23006.pdf (Verlagsversion), 3MB
Öffnen   Speichern
Datei-Permalink:
https://hdl.handle.net/21.11116/0000-000E-AB83-D
Name:
BGC23006.pdf
Beschreibung:
OA
OA-Status:
Grün
Sichtbarkeit:
Öffentlich
MIME-Typ / Prüfsumme:
application/pdf / [MD5]
Technische Metadaten:
Öffnen
Copyright Datum:
-
Copyright Info:
-
Lizenz:
http://creativecommons.org/licenses/by/3.0/de/

Externe Referenzen

einblenden:

Urheber

einblenden:
ausblenden:
 Urheber:
Hafezi Rachti, David1, Autor           
Affiliations:
1Atmosphere-Biosphere Coupling, Climate and Causality, Dr. Alexander J. Winkler, Department Biogeochemical Integration, Prof. Dr. M. Reichstein, Max Planck Institute for Biogeochemistry, Max Planck Society, ou_3405368              

Inhalt

einblenden:

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2023
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: Hamburg : University of Hamburg
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: Anderer: BGC344
 Art des Abschluß: Bachelor

Veranstaltung

einblenden:

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle

einblenden: