Spatiotemporal data science: theoretical advances and applications

Détails

Demande d'une copieDemande d'une copie
ID Serval
serval:BIB_6DA06F073A9C
Type
Article: article d'un périodique ou d'un magazine.
Sous-type
Editorial
Collection
Publications
Institution
UNIL/CHUV
Titre
Spatiotemporal data science: theoretical advances and applications
Périodique
Stochastic Environmental Research and Risk Assessment
Auteur⸱e⸱s
Amato Federico, Lombardo Luigi, Tonini Marj, Marvuglia Antonino, Castro-Camilo Daniela, Guignard Fabian
ISSN
1436-3240
1436-3259
Statut éditorial
Publié
Date de publication
08/2022
Volume
36
Numéro
8
Pages
2027-2029
Langue
anglais
Mots-clé
General Environmental Science, Safety, Risk, Reliability and Quality, Water Science and Technology, Environmental Chemistry, Environmental Engineering
OAI-PMH
oai:serval.unil.ch:BIB_6DA06F073A9C
DOI
10.1007/s00477-022-02281-4
Web of science
000844931000001
Open Access
Oui
Création de la notice
07/09/2022 13:09
Dernière modification de la notice
11/01/2023 6:52
Données d'usage