《地球系统科学数据》(Earth System Science Data)是一本以GEOSCIENCES, MULTIDISCIPLINARYMETEOROLOGY-METEOROLOGY & ATMOSPHERIC SCIENCES综合研究为特色的国际期刊。该刊由Copernicus Publications出版商创刊于2009年,刊期4 issues/year。该刊已被国际重要权威数据库SCIE收录。期刊聚焦GEOSCIENCES, MULTIDISCIPLINARYMETEOROLOGY-METEO...
地球系统科学数据(Earth System Science Data)是一本由Copernicus Publications出版的一本GEOSCIENCES, MULTIDISCIPLINARYMETEOROLOGY-METEOROLOGY & ATMOSPHERIC SCIENCES学术刊物,主要报道GEOSCIENCES, MULTIDISCIPLINARYMETEOROLOGY-METEOROLOGY & ATMOSPHERIC SCIENCES相关领域研究成果与实践。本刊已入选来源期刊,属于国际一流期刊。该刊...
《Earth System Science Data》(《地球系统科学数据》)是一本由Copernicus Publications出版的GEOSCIENCES, MULTIDISCIPLINARYMETEOROLOGY-METEOROLOGY & ATMOSPHERIC SCIENCES学术刊物,该刊是国际一流期刊,主要刊载GEOSCIENCES, MULTIDISCIPLINARYMETEOROLOGY-METEOROLOGY & ATMOSPHERIC SCIENCES相关领域研究成果与实践,旨在打造一种学术水...
Earth System Science Data ISSN:1866-3508 发文量:102 影响因子:9.197 JCR分区:Q1 ISSN:1866-3508 Number of publications:102 Impact factor:9.197 JCR partition:Q1 期刊简介 地球系统科学数据(ESSD)是一个国际性的跨学科期刊,旨在发表原始研究数据(集),促进高质量地球系统科学数据的重复利用。编辑们鼓励提交符合...
Earth System Science Data (ESSD) is an international, interdisciplinary journal for the publication of articles on original research data (sets), furthering the reuse of high-quality data of benefit to Earth system sciences. The editors encourage submissions on original data or data collections which...
近日, 我校地理科学学院/灾害风险管理研究院姜彤教授为通讯作者在《Earth System Science Data》(IF= 10.951)发表题为《A 439-year simulated daily discharge dataset (1861 - 2299) for the upper Yangtze River, China》的科学论文。宁波大学高超教授、国家气候中心苏布达研究员、武汉大学张利平教授、华中科技大学...
ICS 07.040 A44 中华人民共和国国家标准 地球系统科学数据分类与代码 Classification standard for earth system science data 目次 前 言 I 引 言 II 1 范围 1 2 规范性引用文件 1 3 术语和定义 1 4 缩略语 2 5 分类原则 2 5.1 系统性 2 5.2 均衡性 2 5.3 揭示性 3 5.4 可扩展性 3 6 分类方法 ...
[4] Cao B, Yu L, Li X, et al. A 1 km global cropland dataset from 10 000 BCE to 2100 CE[J]. Earth System Science Data. 2021, 13(11): 5403-5421. https://doi.org/10.5194/essd-13-5403-2021. [5] Fang L, Yang J, Zhang W, et al. Combining allometry and landsat-derived ...
Deep learning and process understanding for data-driven Earth system science 论文链接: https://www.nature.com/articles/s41586-019-0912-1 1. 摘要 机器学习的方法已被广泛应用于地球系统中,但是数据中所蕴含的时空信息并非被最优地建模。本文作者认为,与其修补传统机器学习方法,不如使用深度学习模型来自动提取...
[4] Cao B, Yu L, Li X, et al. A 1 km global cropland dataset from 10 000 BCE to 2100 CE[J]. Earth System Science Data. 2021, 13(11): 5403-5421. https://doi.org/10.5194/essd-13-5403-2021. [5] Fang L...