Codi QR

Evaluations of Machine Learning-Based CYGNSS Soil Moisture Estimates against SMAP Observations

This paper presents a machine learning (ML) framework to derive a quasi-global soil moisture (SM) product by direct use of the Cyclone Global Navigation Satellite System (CYGNSS)’s high spatio-temporal resolution observations over the tropics (within <inline-formula><math display="inline"><semantics...

Descripció completa

Guardat en:
Dades bibliogràfiques
Autors principals: Volkan Senyurek, Fangni Lei, Dylan Boyd, Ali Cafer Gurbuz, Mehmet Kurum, Robert Moorhead
Format: Artigo
Idioma:Inglês
Publicat: MDPI AG 2020-10-01
Col·lecció:Remote Sensing
Matèries:
Accés en línia:https://www.mdpi.com/2072-4292/12/21/3503
Etiquetes: Afegir etiqueta
Sense etiquetes, Sigues el primer a etiquetar aquest registre!