Hesham El-Askary

比较基于知识和数据驱动的机器学习框架在埃及北海岸脆弱性评估中的应用

人工智能驱动的多光谱无人机监测在干旱环境中的植树造林

利用高光谱成像和深度学习对干旱景观中的陆地生境进行制图：沙特阿拉伯案例研究

物理信息深度学习揭示了气候驱动的积雪减少，并威胁到加利福尼亚州融雪补给流域的生态用水可用性

量化单次、复合及级联气候极端事件：对加州农业韧性的启示

解构加利福尼亚州中央谷地北部的作物氮-水动态：基于高光谱-热传感的研究

未来水文极值事件和鞭扫式变化在美国本土的加剧会增加社区脆弱性。

针对美国西部气候变化下灌溉农业的自适应作物轮换

高空间分辨率作物类型和土地利用/土地覆盖分类无需标签：一种使用多时相PlanetScope图像和变分贝叶斯高斯混合模型的框架

通过机器学习驱动的物候作物制图和用水效率分析提升埃及的水资源短缺韧性

土地不稳定加剧了埃及亚历山大市的海平面上升风险。

美国西部水文极端事件与鞭甩效应的加剧：水资源管理与一线社区面临的挑战

创新机器学习、同位素和水文地球化学技术用于埃及东部沙漠干旱景观地下水分析

多级线性混合效应模型和ca-markov模拟模型预测降水和NDVI利用

应对遥感数据质量挑战：可靠城市热岛分析解决方案

用于高光谱图像分类的具有多尺度卷积注意力的光谱-空间变换器

基于异构图卷积自表示网络的高光谱波段选择

人工智能驱动的水质指数预测: 揭示超干旱地区的机器学习精度