Zobrazeno 1 - 10
of 75
pro vyhledávání: '"Iovanna, Rich"'
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:
Otto, Clint R. V., Zheng, Haochi, Gallant, Alisa L., Iovanna, Rich, Carlson, Benjamin L., Smart, Matthew D., Hyberg, Skip
Publikováno v:
Proceedings of the National Academy of Sciences of the United States of America, 2018 Jul . 115(29), 7629-7634.
Externí odkaz:
https://www.jstor.org/stable/26510989
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.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Degagne, Rebecca, pizzino, declan, friedrich, hannah, gough, mike, Joseph, Gladwin, Strittholt, James, smith, charlotte, Iovanna, Rich
The Conservation Biology Institute (CBI) used a combination of remote sensing and machine learning algorithms deployed on the innovative cloud-computing platform, Google Earth Engine, to map grassland characteristics. We used a rich suite of enviro-c
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::bc9e68738f8dc845710617f4cf88bfbd
Autor:
Degagne, Rebecca, pizzino, declan, gough, mike, friedrich, hannah, smith, charlotte, Joseph, Gladwin, Iovanna, Rich, Strittholt, James
CBI initially developed predictive maps of tree height, tree density, biomass, basal area, and forest type using Random Forest machine learning models. Numerous satellite-derived indices from the European Space Agency���s (ESA) Sentinel-1 and S
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::41a0788349e34d299fec1ab8ef102355
Autor:
Newbold, Stephen C., Iovanna, Rich
Publikováno v:
Ecological Applications, 2007 Mar 01. 17(2), 390-406.
Externí odkaz:
https://www.jstor.org/stable/40061865