Suche nach Personen

plus im Publikationsserver
plus bei Google Scholar

Bibliografische Daten exportieren
 

A Comparison of Spatial and Nonspatial Methods in Statistical Modeling of NO₂ : Prediction Accuracy, Uncertainty Quantification, and Model Interpretation

DOI zum Zitieren der Version auf EPub Bayreuth: https://doi.org/10.15495/EPub_UBT_00007291
URN zum Zitieren der Version auf EPub Bayreuth: urn:nbn:de:bvb:703-epub-7291-8

Titelangaben

Lu, Meng ; Cavieres, Joaquin ; Moraga, Paula:
A Comparison of Spatial and Nonspatial Methods in Statistical Modeling of NO₂ : Prediction Accuracy, Uncertainty Quantification, and Model Interpretation.
In: Geographical Analysis. Bd. 55 (2023) Heft 4 . - S. 703-727.
ISSN 1538-4632
DOI der Verlagsversion: https://doi.org/10.1111/gean.12356

Volltext

[thumbnail of Geographical Analysis - 2023 - Lu - A Comparison of Spatial and Nonspatial Methods in Statistical Modeling of NO2 .pdf]
Format: PDF
Name: Geographical Analysis - 2023 - Lu - A Comparison of Spatial and Nonspatial Methods in Statistical Modeling of NO2 .pdf
Version: Veröffentlichte Version
Verfügbar mit der Lizenz Creative Commons BY 4.0: Namensnennung
Download (4MB)

Weitere Angaben

Publikationsform: Artikel in einer Zeitschrift
Themengebiete aus DDC: 500 Naturwissenschaften und Mathematik > 550 Geowissenschaften, Geologie
Institutionen der Universität: Fakultäten > Fakultät für Biologie, Chemie und Geowissenschaften > Fachgruppe Geowissenschaften > Juniorprofessur Geoinformatik - Spatial Big Data > Juniorprofessur Geoinformatik - Spatial Big Data - Juniorprof. Dr. Meng Lu
Fakultäten
Fakultäten > Fakultät für Biologie, Chemie und Geowissenschaften
Fakultäten > Fakultät für Biologie, Chemie und Geowissenschaften > Fachgruppe Geowissenschaften
Fakultäten > Fakultät für Biologie, Chemie und Geowissenschaften > Fachgruppe Geowissenschaften > Juniorprofessur Geoinformatik - Spatial Big Data
Sprache: Englisch
Titel an der UBT entstanden: Ja
URN: urn:nbn:de:bvb:703-epub-7291-8
Eingestellt am: 08 Nov 2023 10:20
Letzte Änderung: 08 Nov 2023 10:21
URI: https://epub.uni-bayreuth.de/id/eprint/7291

Downloads

Downloads pro Monat im letzten Jahr