Résultats de la recherche (2 résultats)
- > WEBSTER, R.[b2] (supprimer)
Affinez votre recherche
Par Collection Par Auteur- WEBSTER, R. (2)
- BEAMISH, D. (1)
- KIDD, D. (1)
- SCHEIB, C. (1)
- TYLER, A.N. (1)
- YOUNG, M.E. (1)
- RAWLINS, B.G. (1)
- VISCARRA ROSSEL, R.A. (1)
- Analyse isotopique ; Césium 137 ; Distribution spatiale ; Erosion des sols ; Géostatistiques ; Modèle numérique de terrain ; Northern Ireland ; Pente de versant ; Propriétés du sol ; Précipitation ; Royaume-Uni ; Sol ; Topographie ; Télédétection (1)
- Análisis isotópico ; Distribución espacial ; Erosión de los suelos ; Geoestadísticas ; Inclinación de la vertiente ; Irlanda del Norte ; Modelo numérico de terreno ; Precipitación ; Propiedades del suelo ; Reino Unido ; Suelo ; Teledetección ; Topografía (1)
- Australia ; Cartografía temática ; Geomorfología ; Krigeage ; Meteorización ; Proceso aleatorio ; Propiedades del suelo ; Tasmania (1)
- Australia ; Gamma radiation ; Geomorphology ; Krigeage ; Random process ; Soil properties ; Tasmania ; Thematic mapping ; Weathering (1)
- Australie ; Cartographie thématique ; Géomorphologie ; Krigeage ; Météorisation ; Processus aléatoire ; Propriétés du sol ; Radiation gamma ; Tasmania (1)
- Digital elevation model ; Geostatistics ; Isotope analysis ; Northern Ireland ; Precipitation ; Remote sensing ; Slope gradient ; Soil ; Soil erosion ; Soil properties ; Spatial distribution ; Topography ; United Kingdom (1)
- compound topographic index and the length–slope factor of the Revised Universal Soil Loss Equation, account for only 3% of the variance in 137Cs activity. In contrast, soil type and land cover in combination (including their interaction) account for 20
- % of the variance. In areas that received moderate fallout from Chernobyl, soil type alone accounts for a substantial proportion of the spatially correlated 137Cs activity. The AA. attribute this to each soil type having a fairly uniform radiocaesium interception
- along widely spaced short transects. They describe the sampling, their means of spatial prediction using random forests plus regression kriging (RF + RK) from the sparse data and the non-parametric spatial bootstrap used to estimate the variances from