机译:使用机器学习技术缩小雅隆Zangbo河流域的日常极端温度
Beijing Normal Univ Coll Water Sci Beijing 100875 Peoples R China|Beijing Key Lab Urban Hydrol Cycle & Sponge City Beijing 100875 Peoples R China;
Beijing Normal Univ Coll Water Sci Beijing 100875 Peoples R China|Beijing Key Lab Urban Hydrol Cycle & Sponge City Beijing 100875 Peoples R China;
Beijing Normal Univ Coll Water Sci Beijing 100875 Peoples R China|Beijing Key Lab Urban Hydrol Cycle & Sponge City Beijing 100875 Peoples R China;
Qinghai Normal Univ Coll Geog Sci Xining 810000 Peoples R China;
Beijing Normal Univ Coll Water Sci Beijing 100875 Peoples R China|Beijing Key Lab Urban Hydrol Cycle & Sponge City Beijing 100875 Peoples R China;
Temperature downscaling; Machine learning techniques; Yarlung Zangbo River Basin; CMIP5 model; Projection;
机译:使用机器学习技术将雅鲁藏布江流域的每日极端温度降低尺度
机译:基于NDVI和地形因子的最优子集回归模型在雅鲁藏布江流域TRMM降水数据的空间缩减。
机译:利用NDVI和地形因素在中国使用最优子集回归模型的TRMM降水数据的空间缩小
机译:中国长江盆地1960 - 2012年日常温度极值的趋势与变异
机译:统计缩减和每日温度极限的模拟。
机译:评估用于每天河水温度预测的一组机器学习模型的性能
机译:统计降尺度机器学习方法的比对: 日常和极端降水的案例