Zobrazeno 1 - 10
of 25
pro vyhledávání: '"NASA Land Information System"'
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:
IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, Vol 15, Pp 862-875 (2022)
This study assimilated Sentinel-1 C-band backscatter observations over snow-covered terrain into the Noah-Multiparameterization land surface model using support vector machine (SVM) regression and an ensemble Kalman filter to improve the modeled terr
Externí odkaz:
https://doaj.org/article/b43801a0096c4c3581bc2769c131ab81
Publikováno v:
IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, Vol 14, Pp 2403-2417 (2021)
The main objective of this article is to develop a physically constrained support vector machine (SVM) to predict C-band backscatter over snow-covered terrain as a function of geophysical inputs that reasonably represent the relevant characteristics
Externí odkaz:
https://doaj.org/article/b457661b937b49ebaa082a85c6780f36
Publikováno v:
IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, Vol 14, Pp 8849-8863 (2021)
An ensemble Kalman filter is used to assimilate Advanced Microwave Scanning Radiometer-2 (AMSR2) observations of passive microwave (PMW) brightness temperatures (spectral differences, $\Delta T_b$) into land surface model estimates of snow mass over
Externí odkaz:
https://doaj.org/article/ce37b769ae8645f081728a98af446b43
Publikováno v:
Remote Sensing, Vol 11, Iss 19, p 2265 (2019)
This study explores the use of a support vector machine (SVM) as the observation operator within a passive microwave brightness temperature data assimilation framework (herein SVM-DA) to enhance the characterization of snow water equivalent (SWE) ove
Externí odkaz:
https://doaj.org/article/d1d4f3a2454843d7982a9e34e3ffac3f
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:
IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, Vol 14, Pp 2403-2417 (2021)
The main objective of this article is to develop a physically constrained support vector machine (SVM) to predict C-band backscatter over snow-covered terrain as a function of geophysical inputs that reasonably represent the relevant characteristics
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::7062f6bf16bdfd68a619d468646269d5
https://pubmed.ncbi.nlm.nih.gov/35154559
https://pubmed.ncbi.nlm.nih.gov/35154559
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.