Zobrazeno 1 - 10
of 116
pro vyhledávání: '"Mount, Nick"'
Autor:
Baigaliyeva, Marzhan1 (AUTHOR) marzhan.baigaliyeva@nu.edu.kz, Mount, Nick2 (AUTHOR), Gosling, Simon N.2 (AUTHOR), McGowan, Suzanne2,3 (AUTHOR)
Publikováno v:
PLoS ONE. 7/18/2024, Vol. 19 Issue 7, p1-27. 27p.
Autor:
Mount Nick
Publikováno v:
Studia Anglica Posnaniensia, Vol 55, Iss s2, Pp 253-271 (2020)
In the twenty-first century, Canadian writers have been doing something they did infrequently in the past: acknowledging and referencing the work of past Canadian writers. Although declining pedagogical and academic interest in Canadian literature ha
Externí odkaz:
https://doaj.org/article/fcc843e25eac48a49e25cfa6b932a932
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Abrahart, Robert J., Mount, Nick J., Ab Ghani, Ngahzaifa, Clifford, Nicholas J., Dawson, Christian W.
Publikováno v:
In Journal of Hydrology 2011 409(3):596-611
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.
Flood risk consists of complex and dynamic problems, whose management calls for innovative ways of engaging with a wide range of local stakeholders, many of whom lack the technical expertise to engage with traditional flood risk management practices.
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::4f362e0d49c9bffe6a85776347885067
https://nottingham-repository.worktribe.com/file/933133/1/Maskrey_et_al-2018-Journal_of_Flood_Risk_Management.pdf
https://nottingham-repository.worktribe.com/file/933133/1/Maskrey_et_al-2018-Journal_of_Flood_Risk_Management.pdf
Autor:
Mount, Nick, Zaherpour, Jamal, Gosling, Simon, Dankers, Rutger, Eisner, Stephanie, Gerten, Dieter, Liu, Xingcai, Masaki, Yoshimitsu, Tang, Qiuhong, Wada, Yoshihide
This study presents a novel application of machine learning to deliver optimised, multi-model combinations (MMCs) of Global Hydrological Model (GHM) simulations. We exemplify the approach using runoff simulations from five GHMs across 40 large global
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=core_ac_uk__::d5111611346b4c915fdcc08831bc5bab
Autor:
Zaherpour, Jamal, Gosling, Simon N., Mount, Nick J., Veldkamp, Ted, Dankers, Rutger, Eisner, Stephanie, Gerten, Dieter, Gudmundsson, Lukas, Haddeland, I., Hanasaki, Naota, Kim, Hyungjun, Leng, Guoyong, Liu, Junguo, Masaki, Yoshimitsu, Oki, Taikan, Pokhrel, Yadu, Satoh, Yusuke, Schewe, Jacob, Wada, Yoshihide
Global-scale hydrological models are routinely used to assess water scarcity, flood hazards and droughts worldwide. Recent efforts to incorporate anthropogenic activities in these models have enabled more realistic comparisons with observations. Here
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=core_ac_uk__::cb21053be6e4f2e65ddb617edf2bdabd
https://nottingham-repository.worktribe.com/file/938291/1/Zaherpour_2018_Environ._Res._Lett._13_065015.pdf
https://nottingham-repository.worktribe.com/file/938291/1/Zaherpour_2018_Environ._Res._Lett._13_065015.pdf