• Research softwareclose
• Other research productsclose
• 2014-2023close
• Open Access close
• Software close
• Spanish close

EasyBasin es un complemento desarrollado para QGIS mediante el lenguaje de programación Python 3. Este complemento es válido para la versión QGIS 3.4.x con GRASS 7.8.x en el entorno operativo de Windows. EasyBasin permite la delimitación de la cuenca hidrográfica y de la red de drenaje de una zona de estudio a partir de un punto de salida o aforo. Además, permite calcular el caudal máximo anual de salida asociado a un determinado periodo de retorno. Para el cálculo de las características físicas de la cuenca y la red de drenaje, EasyBasin aplica una serie de herramientas implementadas en QGIS en combinación con GRASS. A partir de las características físicas obtenidas durante el geoprocesamiento, el complemento desarrollado permite el cálculo del caudal máximo anual de salida de la cuenca mediante la aplicación del Método Racional modificado propuesto en la norma 5.2 – IC de Drenaje Superficial de la Instrucción de Carreteras.

Estacionalidad y tendencias en el clima y la vegetación de un fragmento semi-urbano de bosque seco en el municipio San Francisco, estado Zulia Por: JR Ferrer-Paris Los bosques secos de la cuenca del Lago de Maracaibo han sufrido una alta tasa de deforestación, fragmentación y transformación y se estima que sólo se mantiene el 12% de la cobertura original \citep{Portillo2012}. Uno de los fragmentos remanentes más emblemáticos está ubicado en el sector conocido como La Sibucara o Caujarito, a unos 20km al sur de la ciudad de Maracaibo entre los terrenos del Jardín Botánico de Maracaibo, la Base Aérea Rafael Urdaneta y el Aeropuerto Internacional "La Chinita". La situación de este fragmento es vulnerable pues tiene una extensión reducida, y está rodeado por una matriz de actividades intensivas (viviendas, infraestructura, ganadería, etc.), pero a la vez tiene un valor estratégico por su ubicación dentro de la Zona Protectora de Maracaibo, entre los municipios Maracaibo y San Francisco, y con un gran potencial de uso recreacional, educativo y científico \citep{reporteZPM}. El objetivo del presente estudio es caracterizar el clima y la fenología de la vegetación en este importante fragmento boscoso a partir de datos de estaciones climáticas y sensores remotos, a fin de sentar una linea base para estudios futuros. Los datos recabados permiten señalar tendencias temporales previas al año 2012, y que pueden ayudar a entender las transformación que ha sufrido la zona en el pasado reciente y que podría sufrir en el futuro cercano. If you use this software, please cite it as below.

En La Micrópila podrás encontrar información que te permitirá tener una primera aproximación a las principales metodologías para el estudio de las semillas. Nuestro equipo procurará que esta página sea un espacio que combine la rigurosidad académica con la práctica y un lenguaje claro, agradable y didáctico; de tal manera que todos los interesados en esta área –estudiantes, profesionales y/o naturalistas aficionados– puedan comprender cómo funciona la ciencia del estudio de las semillas y, porqué no, realizar sus propios experimentos desde su montaje hasta el análisis de los datos. https://angeliksand.wixsite.com/micropila

Se utilizó el paque R0 propuesto por Boelle & Obadia para estimar el número básico de reproducción de la epidemia actual en el país de Panamá. Se comparó los distintos métodos para la estimación de R0 y se proporciono ilustraciones para cada método. El código está incompleto, se debe ajustar y obtener mejores datos. Los métodos "Exponential Growth" y "Maximum Likelihood" estimaron el R0 en 1.79466 [1.738753, 1.853019] y 1.639301 [1. 550536, 1.731352] respectivamente. {"references": ["Boelle, P., Obadia., Th. (2015). Package 'R0'"]} Escrito en R

Los artefactos creados durante la elaboración del proyecto Ecommerce-Reactjs y Ecommerce-Nodejs

This framework is a deliverable of Proyecto Humboldt Digital (2019-2023) to be installed in Oxygen XML Author. If you use this software, please cite it as below. This release represents the status of ediarum's Proyecto Humboldt Digital framework in January 2023.

VITS model trained in a single speaker dataset in spanish, using phonemes processed with ESpeak-NG Steps: 520K Sample rate: 48kHz

Código que acompaña al Trabajo Final de Ingeniería en Automatización y Control Industrial de Claudio Adán y Esteban Mavar, titulado "Detección y georreferenciación de vacantes de estacionamiento en la via pública", Universidad Nacional de Quilmes https://github.com/sebalander/trabajo-final-IACI-Adan-Mavar

++WEEK+13] LA Chargers vs. LV Raiders Live streams Games Live free [LIVE+Streams]* Raiders vs Chargers live stream free: How to watch NFL Week 13 [Whereto-watch ]* Los Angeles Chargers vs. Las Vegas Raiders Live How to Watch NFL Week 13 Games Live free WATCH NFL GAME 2022 LIVE Which NFL teams are playing this week? And what channels are airing the games? Here’s this week’s lineup. (The home team is listed second.) Sunday, Dec. 4 Green Bay Packers vs Chicago Bears, 1:00 p.m. ET on Fox Pittsburgh Steelers vs. Atlanta Falcons, 1:00 p.m. ET on CBS New York Jets vs. Minnesota Vikings, 1:00 p.m. ET on CBS Jacksonville Jaguars vs. Detroit Lions, 1:00 p.m. ET on Fox Tennessee Titans vs. Philadelphia Eagles, 1:00 p.m. ET on Fox Cleveland Browns vs. Houston Texans, 1:00 p.m. ET on CBS Washington Commanders vs. New York Giants, 1:00 p.m. ET on Fox Denver Broncos vs. Baltimore Ravens, 1:00 p.m. ET on CBS Miami Dolphins vs. San Francisco 49ers, 4:05 p.m. ET on Fox Seattle Seahawks vs. Los Angeles Rams, 4:05 p.m. ET on Fox Los Angeles Chargers vs. Las Vegas Raiders, 4:25 p.m. ET on CBS Kansas City Chiefs vs. Cincinnati Bengals, 4:25 p.m. ET on CBS Indianapolis Colts vs. Dallas Cowboys, 8:20 p.m. ET on NBC Not since 2006 have the Socceroos made the knockout stage while Belgium have never played a last-16 game at the World Cup, and with a ferocious backing in Qatar they will be under pressure to grab a vital win today.dfg Τhe CORD-19 dataset released by the team of Semantic Scholar1 anddg Τhe curated data provided by the LitCovid hub2.gdgdf These data have been cleaned and integrated with data from COVID-19-TweetIDs and from other sources (e.g., PMC). The result was dataset of 500,314 unique articles along with relevant metadata (e.g., the underlying citation network). We utilized this dataset to produce, for each article, the values of the following impact measures:dgf Influence: Citation-based measure reflecting the total impact of an article. This is based on the PageRank3 network analysis method. In the context of citation networks, it estimates the importance of each article based on its centrality in the whole network. This measure was calculated using the PaperRanking (https://github.com/diwis/zdhPaperRanking) library4.dgfd These data have been cleaned and integrated with data from COVID-19-TweetIDs and from other sources (e.g., PMC). The result was dataset of 500,314 unique articles along with relevant metadata (e.g., the underlying citation network). We utilized this dataset to produce, for each article, the values of the following impact measures:sdgfdfggh Influence: Citation-based measure reflecting the total impact of an article. This is based on the PageRank3 network analysis method. In the context of citation networks, it estimates the importance of each article based on its centrality in the whole network. This measure was calculated using the PaperRanking (https://github.com/diwifss/PaperRanking) library4.sddfggd Influence_alt: Citation-based measure reflecting the total impact of an article. This is the Citation Count of each article, calculated based on the citation network between the articles contained in the BIP4COVID19 dataset.sddggf safs Popularity: Citation-based measure reflecting the current impact of an article. This is based on the AttRank5 citation network analysis method. Methods like PageRank are biased against recently published articles (new articles need time to receive their first citations). AttRank alleviates this problem incorporating an attention-based mechanism, akin to a time-restricted version of preferential attachment, to explicitly capture a researcher's preference to read papers which received a lot of attention recently. This is why it is more suitable to capture the current "hype" of an article.asdsgdg sf Popularity alternative: An alternative citation-based measure reflecting the current impact of an article (this was the basic popularity measured provided by BIP4COVID19 until version 26). This is based on the RAM6 citation network analysis method. Methods like PageRank are biased against recently published articles (new articles need time to receive their first citations). RAM alleviates this problem using an approach known as "time-awareness". This is why it is more suitable to capture the current "hype" of an article. This measure was calculated using the PaperRanking (https://github.com/diwis/PaperRanking) library4.sfbsdf Social Media Attention: The number of tweets related to this article. Relevant data were collected from the COVID-19-TweetIDs dataset. In this version, tweets between 23/6/22-29/6/22 have been considered from the previous dataset. We provide five CSV files, all containing the same information, however each having its entries ordered by a different impact measure. All CSV files are tab separated and have the same columns (PubMed_id, PdfMC_id, DOI, influence_score, popularity_alt_score, popularity score, influence_alt score, tweets count).

Software Carpentry lección para la terminal de Unix