A machine learning approach for mapping the very shallow theoretical geothermal potential

Standort
Deutsche Nationalbibliothek Frankfurt am Main
ISSN
2195-9706
Umfang
Online-Ressource
Sprache
Englisch
Anmerkungen
online resource.

Erschienen in
A machine learning approach for mapping the very shallow theoretical geothermal potential ; volume:7 ; number:1 ; day:25 ; month:7 ; year:2019 ; pages:1-50 ; date:12.2019
Geothermal Energy ; 7, Heft 1 (25.7.2019), 1-50, 12.2019

Klassifikation
Natürliche Ressourcen, Energie und Umwelt

Urheber
Assouline, Dan
Mohajeri, Nahid
Gudmundsson, Agust
Scartezzini, Jean-Louis
Beteiligte Personen und Organisationen
SpringerLink (Online service)

DOI
10.1186/s40517-019-0135-6
URN
urn:nbn:de:101:1-2019121804245105787552
Rechteinformation
Open Access; Der Zugriff auf das Objekt ist unbeschränkt möglich.
Letzte Aktualisierung
14.08.2025, 10:47 MESZ

Datenpartner

Dieses Objekt wird bereitgestellt von:
Deutsche Nationalbibliothek. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.

Beteiligte

  • Assouline, Dan
  • Mohajeri, Nahid
  • Gudmundsson, Agust
  • Scartezzini, Jean-Louis
  • SpringerLink (Online service)

Ähnliche Objekte (12)