Zobrazeno 1 - 10
of 69
pro vyhledávání: '"Huang, Xingying"'
Autor:
Huang, Xingying
Deep learning models have gained popularity in climate science, following their success in computer vision and other domains. For instance, researchers are increasingly employing deep learning techniques for downscaling climate data, drawing inspirat
Externí odkaz:
http://arxiv.org/abs/2306.11144
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Stevenson, Samantha1 (AUTHOR) sstevenson@ucsb.edu, Huang, Xingying2 (AUTHOR), Zhao, Yingying3 (AUTHOR), Di Lorenzo, Emanuele4 (AUTHOR), Newman, Matthew5,6 (AUTHOR), van Roekel, Luke7 (AUTHOR), Xu, Tongtong6 (AUTHOR), Capotondi, Antonietta5,6 (AUTHOR)
Publikováno v:
Journal of Advances in Modeling Earth Systems. Jul2023, Vol. 15 Issue 7, p1-16. 16p.
Autor:
Huang, Xingying1 (AUTHOR) xyhuang@ucar.edu, Gettelman, Andrew1 (AUTHOR), Skamarock, William C.1 (AUTHOR), Lauritzen, Peter Hjort1 (AUTHOR), Curry, Miles1 (AUTHOR), Herrington, Adam1 (AUTHOR), Truesdale, John T.1 (AUTHOR), Duda, Michael1 (AUTHOR)
Publikováno v:
Geoscientific Model Development. 2022, Vol. 15 Issue 21, p8135-8151. 17p.
Autor:
Huang, Xingying, Ullrich, Paul A.
Publikováno v:
Journal of Climate, 2017 Sep . 30(18), 7555-7575.
Externí odkaz:
https://www.jstor.org/stable/26388609
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Journal of Applied Meteorology and Climatology, 2016 Jan 01. 55(1), 173-196.
Externí odkaz:
https://www.jstor.org/stable/26178430
Autor:
Huang, Xingying, Swain, Daniel L
Publikováno v:
Science advances, vol 8, iss 32
Despite the recent prevalence of severe drought, California faces a broadly underappreciated risk of severe floods. Here, we investigate the physical characteristics of "plausible worst case scenario" extreme storm sequences capable of giving rise to
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od_______325::57c6a667fd68529a7dcdf0f276caae49
https://escholarship.org/uc/item/0vf5f06w
https://escholarship.org/uc/item/0vf5f06w