Distributed hydrological modeling with physics‐encoded deep learning: A general 
framework and its application in the Amazon

Wang, Chao; Jiang, Shijie; Zheng, Yi; Han, Feng; Kumar, Rohini; Rakovec, Oldrich; Li, Siqi

doi:10.1029/2023WR036170

Datensatz

DATENSATZ AKTIONENEXPORT

Zur Ablage hinzufügen

Bitte beachten Sie, dass eine neuere Version dieses Datensatzes verfügbar ist:
https://pure.mpg.de/pubman/item/item_3583798_3

DetailsÜbersicht

Freigegeben

Zeitschriftenartikel

Distributed hydrological modeling with physics‐encoded deep learning: A general framework and its application in the Amazon

MPG-Autoren

/persons/resource/persons296202

Jiang, Shijie
Department Biogeochemical Integration, Prof. Dr. M. Reichstein, Max Planck Institute for Biogeochemistry, Max Planck Society;

Externe Ressourcen

https://doi.org/10.1029/2023WR036170
(Verlagsversion)

Volltexte (beschränkter Zugriff)

Für Ihren IP-Bereich sind aktuell keine Volltexte freigegeben.

Volltexte (frei zugänglich)

BGC4546.pdf
(Verlagsversion), 3MB

Ergänzendes Material (frei zugänglich)

BGC4546s1.docx
(Ergänzendes Material), 14MB

Zitation

Wang, C., Jiang, S., Zheng, Y., Han, F., Kumar, R., Rakovec, O., et al. (2024). Distributed hydrological modeling with physics‐encoded deep learning: A general framework and its application in the Amazon. Water Resources Research, 60(4): e2023WR036170. doi:10.1029/2023WR036170.

Zitierlink: https://hdl.handle.net/21.11116/0000-000F-278B-9

Zusammenfassung

Es ist keine Zusammenfassung verfügbar