P000248
Гасанов Михаил
Identificadores y estado
Variantes de nombre registradas
- Mikhail Gasanov
- M. Gasanov
- М. Э. Гасанов
- М.Э. Гасанов
Roles documentados
No existe una afirmación de rol aplicable.
pertenencias
GV964BD269387156A5 · Algorítmico
2011–2023
Членство отражает только устойчивость алгоритмического совместного назначения.
No hay texto en este idioma; se muestra la fuente rusa (fallback_ru). [fallback_ru · ru]GVF71A6ECEF2AEEA3E · Algorítmico
1992–2024
Членство отражает только устойчивость алгоритмического совместного назначения.
No hay texto en este idioma; se muestra la fuente rusa (fallback_ru). [fallback_ru · ru]
Métricas descriptivas de red
Estos valores describen solo la proyección y los filtros indicados. No miden calidad científica, contribución, supervisión o liderazgo ni forman una clasificación.
Grado ponderado fraccional
0.5 ·
GP_PP_AB_VERIFIED_ALLСумма дробных весов рёбер; не мера научного качества.
No hay texto en este idioma; se muestra la fuente rusa (fallback_ru). [fallback_ru · ru]Filtros de cálculo
Número de publicaciones
Число включённых работ в проекции.
No hay texto en este idioma; se muestra la fuente rusa (fallback_ru). [fallback_ru · ru]Filtros de cálculo
Publicaciones
- A Method for Application of Remote Sensing Data in Crop Simulation Models
- Sensitivity Analysis of Soil Parameters in Crop Model Supported with High-Throughput Computing
- A New Multi-objective Approach to Optimize Irrigation Using a Crop Simulation Model and Weather History
- Использование имитационной модели WOFOST и погодной истории для задач оптимизации полива
- Пространственный анализ чувствительности имитационной модели урожайности по отношению к почвенным свойствам
- Soil Dynamics and Crop Yield Modeling Using the MONICA Crop Simulation Model and Time Series Forecasting Methods
- Maximizing dataset variability in agricultural surveys with spatial sampling based on MaxVol matrix approximation
- Bayesian Aggregation Improves Traditional Single-Image Crop Classification Approaches
- Bayesian aggregation improves traditional single image crop classification approaches