Zobrazeno 1 - 10
of 45
pro vyhledávání: '"Qiao Shuangshuang"'
Autor:
Qin, Shengwu, Lv, Jiangfeng, Qiao, Shuangshuang, Chen, Junjun, Yao, Jingyu, Wan, Feng, Peng, Shuaiying, Rehman, Gohar, Liu, Xiaowei
Publikováno v:
In Engineering Geology July 2024 336
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:
Che Wenchao, Shengwu Qin, Jingbo Sun, Yang Chen, Gang Su, Jingyu Yao, Qiao Shuangshuang, Uzodigwe Emmanuel Nnanwuba
Publikováno v:
Journal of Mountain Science. 18:1177-1191
Debris flow susceptibility mapping (DFSM) has been reported in many studies, however, the irrational use of the same conditioning factor system for DFSM in regional-scale has not been thoroughly resolved. In this paper, a region-partitioning method t
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::72c0eecfbc1ea3c0a91dd9eff3c67f50
https://doi.org/10.1007/s11629-020-6497-1
https://doi.org/10.1007/s11629-020-6497-1
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Yanqing Zhang, Qiao Shuangshuang, Shengwu Qin, Yang Chen, Gang Su, Qiushi Cheng, Xu Guo, Jingbo Sun
Publikováno v:
Natural Hazards. 106:881-912
Regional scale debris flow susceptibility is widely evaluated by statistical methods. However, the initiation mechanism of debris flow is not considered, which leads to the neglect of the microtopographic characteristics. To address this problem, we
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::7713f685cad748bb5d9b94af96c95c93
https://doi.org/10.1007/s11069-020-04498-4
https://doi.org/10.1007/s11069-020-04498-4
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:
Lingshuai Zhang, Shengwu Qin, Yanqing Zhang, Jingbo Sun, Qiushi Cheng, Jingyu Yao, Xu Guo, Qiao Shuangshuang
Publikováno v:
Remote Sensing, Vol 13, Iss 3383, p 3383 (2021)
Remote Sensing; Volume 13; Issue 17; Pages: 3383
Remote Sensing; Volume 13; Issue 17; Pages: 3383
Using convolutional neural network (CNN) methods and satellite images for landslide identification and classification is a very efficient and popular task in geological hazard investigations. However, traditional CNNs have two disadvantages: (1) insu
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::978e19756a49a4d41808bad6805738e4
https://doi.org/10.3390/rs13173383
https://doi.org/10.3390/rs13173383