Machine-learning models of δ 13C and δ N isoscapes in Amazonian wood (2026)
Source: Biogeosciences. Unidades: CENA, ESALQ, Interunidades em Ecologia Aplicada
Subjects: APRENDIZADO COMPUTACIONAL, ÁRVORES FLORESTAIS, BACIA HIDROGRÁFICA, CARBONO, ISÓTOPOS ESTÁVEIS, MADEIRA, NITROGÊNIO, VARIABILIDADE ESPACIAL
ABNT
SOUZA-SILVA, Isabela Maria et al. Machine-learning models of δ 13C and δ N isoscapes in Amazonian wood. Biogeosciences, v. 23, p. 881-904, 2026Tradução . . Disponível em: https://doi.org/10.5194/bg-23-881-2026. Acesso em: 12 fev. 2026.APA
Souza-Silva, I. M., Martinelli, L. A., Holmes, B., Batista, A. C. G., Araújo, M. G. da S., Garção, A. L., et al. (2026). Machine-learning models of δ 13C and δ N isoscapes in Amazonian wood. Biogeosciences, 23, 881-904. doi:10.5194/bg-23-881-2026NLM
Souza-Silva IM, Martinelli LA, Holmes B, Batista ACG, Araújo MG da S, Garção AL, Ponton S, Groenendijk P, Locosselli GM, Ortega-Rodriguez DR, Amorim DJ, Costa FJV, Nardoto GB, Brunello AT, Costa VE, Assis-Pereira G, Tomazello-Filho M, Higuchi N, Barbosa AC, Sena-Souza JP, Bataille CP. Machine-learning models of δ 13C and δ N isoscapes in Amazonian wood [Internet]. Biogeosciences. 2026 ; 23 881-904.[citado 2026 fev. 12 ] Available from: https://doi.org/10.5194/bg-23-881-2026Vancouver
Souza-Silva IM, Martinelli LA, Holmes B, Batista ACG, Araújo MG da S, Garção AL, Ponton S, Groenendijk P, Locosselli GM, Ortega-Rodriguez DR, Amorim DJ, Costa FJV, Nardoto GB, Brunello AT, Costa VE, Assis-Pereira G, Tomazello-Filho M, Higuchi N, Barbosa AC, Sena-Souza JP, Bataille CP. Machine-learning models of δ 13C and δ N isoscapes in Amazonian wood [Internet]. Biogeosciences. 2026 ; 23 881-904.[citado 2026 fev. 12 ] Available from: https://doi.org/10.5194/bg-23-881-2026
