Karst spring discharge modeling based on deep learning using spatially distributed input data

Publikation: Beitrag in Fachzeitschrift › Forschungsartikel › Beigetragen › Begutachtung

Beitragende

  • Andreas Wunsch - , Karlsruher Institut für Technologie (Erstautor:in)
  • Tanja Liesch - , Karlsruher Institut für Technologie (Autor:in)
  • Guillaume Cinkus - , Université de Montpellier (Autor:in)
  • Nataša Ravbar - , ZRC SAZU Karst Research Institute (Autor:in)
  • Zhao Chen - , Professur für Grundwassersysteme (Autor:in)
  • Naomi Mazzilli - , Avignon Université (Autor:in)
  • Hervé Jourde - , Université de Montpellier (Autor:in)
  • Nico Goldscheider - , Karlsruher Institut für Technologie (Autor:in)

Details

OriginalspracheEnglisch
Seiten (von - bis)2405–2430
Seitenumfang26
FachzeitschriftHydrology and earth system sciences
Jahrgang26
Ausgabenummer9
PublikationsstatusVeröffentlicht - 9 Mai 2022
Peer-Review-StatusJa

Externe IDs

Scopus 85130569712
Mendeley a7826314-0e30-3529-8233-c21a1c9e50d4
unpaywall 10.5194/hess-26-2405-2022

Schlagworte

Bibliotheksschlagworte