Profile URL: https://hdl.handle.net/20.500.13091/11534
Job Title:Dr. Arş. Gör.
Email Address:auakar@ktun.edu.tr
Main Affiliation:02.08. Department of Geomatic Engineering
Status: Current Staff
ORCID:
0000-0001-5639-9987
0000-0001-5639-9987Scopus ID:
57223843018
57223843018YÖK Akademik: 422FA6D9088DBFE6
Google Scholar:
L-XV_McAAAAJ
L-XV_McAAAAJWeb of Science ID:
IWG-8759-2023
IWG-8759-2023Name Variants:
Akar, A. Utku Akar, A.U.
19 results
Scholarly Output Search Results
Now showing 1 - 10 of 19
Article Farklı regresyon modelleriyle kestirilen zenit troposferik gecikmelerin değerlendirilmesi(2022) Akar, Ali Utku; İnal, CevatYapay zekâ ve makine öğrenimi alanındaki gelişmeler, GNSS uygulamalarındaki sorunlara alternatif çözümler sunmakta veya mevcut çözümlerin verimliliğini artırmaya imkân sağlamaktadır. GNSS’de karşılaşılan birçok hata vardır ve bu hatalar kullanıcılar için problem oluşturmaktadır. Troposferik gecikme bunlardan birisidir. GNSS teknolojisine ilginin artmasıyla beraber öğrenme algoritmalarının atmosfer/troposfer çalışmalarında kullanımı, troposferik gecikme kestirimi için yeni modellerin oluşturulmasını önemli hale getirmiştir. Bu çalışmada, Radyal Tabanlı Destek Vektör Regresyonu (RTF-DVR), Ridge ve Elastik-Net regresyon modelleriyle zenit troposferik gecikmenin (ZTD) kestirilmesi amaçlanmış, makine öğrenimi esasına göre eğitilmiş yeni regresyon modellerinin ZTD kestiriminde alternatif olarak tercih edilebilirliği araştırılmıştır. Bunun için farklı yöntemlerden elde edilen sonuç ZTD modelleri karşılaştırılarak analiz edilmiştir. Analiz sonuçlarından RTF-DVR modelinin daha iyi sonuçları verdiği, bunu Elastik-Net ve Ridge modellerinin takip ettiği tespit edilmiştir. Sonrasında yeni modellerden elde edilen ZTD değerleri, Canadian Spatial Reference System–Precise Point Positioning (CSRS-PPP) ZTD değerleriyle karşılaştırılıp modellerin performansı değerlendirilmiştir. Değerlendirme sonuçlarına göre, CSRS-PPP’ye en uyumlu modelin RTF-DVR olduğu sonucuna varılmıştır.Doctoral Thesis Makine Öğrenme Tekniklerine Dayalı Bölgesel Troposferik Gecikme Modelinin Geliştirilmesi(2026) Akar, Ali Utku; İnal, CevatKüresel Navigasyon Uydu Sistemleri (GNSS: Global Navigation Satellite Systems) ve iletişim sistemlerinde kritik bir rol oynayan troposfer, meteorolojik koşullara bağlı olarak radyo sinyallerinin yayılımını etkiler. Kuru hava ve su buharının neden olduğu kırılma etkileri, sinyallerin bükülmesine ve hızının düşmesine yol açarak uydu ile alıcı arasındaki efektif yol uzunluğunu artırır. Bu troposferik gecikmeler sinyal yolu boyunca oluşsa da uzay jeodezisi tekniklerinde, izdüşüm fonksiyonları aracılığıyla başucu yönünde hesaplanır ve Zenit Troposferik Gecikme (ZTD: Zenith Tropospheric Delay) olarak tanımlanır. Bugüne kadar ZTD modellemesi için birçok yaklaşım benimsenmiştir; ancak, troposferin karmaşık ve değişken yapısı mevcut yöntemlerin hem süreklilik hem de mekânsal doğruluk açısından sınırlı kalmasına neden olmaktadır. Özellikle bölgesel ölçekte meteorolojik koşulların belirgin ve hızlı değişkenlik göstermesi, küresel ya da genelleştirilmiş troposfer modellerinin yerel atmosferik yapının kendine özgü özelliklerini yeterince temsil edememesine neden olmaktadır. Bu durum, atmosferik parametrelerin hem zamansal hem de mekânsal açıdan yüksek çözünürlükle modellenebilmesi için bölgesel ZTD modellerinin geliştirilmesini kaçınılmaz hale getirmektedir. Buna karşılık, yapay zekâ ve makine öğrenmesi, atmosferik süreçlerdeki doğrusal olmayan ilişkileri ve gizli örüntüleri doğrudan veriden öğrenebilme yeteneği sayesinde ZTD modellemesine yeni bir bakış açısı getirmiştir. Bu tez çalışmasında, makine öğrenmesi yöntemlerine dayalı 'Kümeleme+Tahmin' metodolojisi geliştirilerek Türkiye için doğruluğu yüksek bölgesel ZTD modellerinin üretilmesi amaçlanmıştır. Üretilen tahmin modellerin genellenebilirliği ve güvenilirliği ise Avrupa Bölgesi üzerinde test edilmiştir. Türkiye ve Avrupa'da benzer meteorolojik özellikler sergileyen pilot bölgelerin belirlenmesi süreci K-means, K-medoids, Birleştirici Hiyerarşik, Mekânsal Kısıtlı Çok Değişkenli Kümeleme (SCMC: Spatially Constrained Multivariate Clustering) ve Kümeleme Yapısının Belirlenmesine Yönelik Nokta Sıralama (OPTICS: Ordering Points To Identify the Clustering Structure) gibi çeşitli kümeleme algoritmaları kullanılarak gerçekleştirilmiştir. Elde edilen sonuçlar, SCMC yönteminin diğer algoritmalara kıyasla önemli ölçüde daha başarılı performans sergilediğini; özellikle karmaşık meteorolojik örüntüleri yüksek doğrulukla ayrıştırabilme yeteneği sayesinde en güvenilir ve etkili kümeleme yaklaşımı olarak öne çıktığını göstermiştir. SCMC analizinden elde edilen çıktılar ışığında meteorolojik açıdan en yüksek benzerliği gösteren pilot bölgeler Türkiye ve Avrupa için tez kapsamında seçilmiştir. Türkiye'den seçilen pilot bölgedeki modelleme çalışmalarında, bölgesel farklılıkların değerlendirilebilmesi amacıyla SCMC analizi kullanılmış ve coğrafi yapıyı en iyi temsil eden üç alt bölge (Bölge 1, Bölge 2 ve Bölge 3) oluşturulmuştur. Pilot bölge ve tüm alt bölgeler için eğitim-test veri setleri elde edilmiştir. Bölgesel ZTD tahmin modelleri; Destek Vektör Regresyonu (SVR: Support Vector Regression), Gradyan Artırma Makinesi (GBM: Gradient Boosting Machine), Hafif Gradyan Artırma Makinesi (LightGBM: Light Gradient Boosting Machine), Aşırı Gradyan Artırma (XGBoost: eXtreme Gradient Boosting), Zamansal Evrişimsel Ağ (TCN: Temporal Convolutional Network) ve Dikkat Tabanlı Mekânsal-Zamansal Grafik Evrişimsel Sinir Ağı (ASTGCN: Attention-based Spatial-Temporal Graph Convolutional Network) mimarisi üzerinden pilot bölge (tüm) ve alt bölgeler için ayrı ayrı üretilmiş, performansları test verileri üzerinden karşılaştırılmıştır. Performans analiz sonuçlarına göre, tüm modellerin belirli bir doğruluk seviyesi sunduğunu göstermekle birlikte, ASTGCN ve XGBoost modellerinin diğer yaklaşımlara göre daha üstün performans sergilediği tespit edilmiştir. Bu iki model hem mekansal hem de zamansal bağımlılıkları daha etkin bir şekilde modelleyerek daha düşük hata oranları elde etmiştir. Ayrıca, alt bölgeler için geliştirilen modellerin, genellikle tüm pilot bölge için geliştirilen tek bir modele kıyasla daha yüksek doğruluk sağladığını ortaya koymuştur. Özellikle, alt bölgeler için ASTGCN modelinin en yüksek başarıyı elde ettiği gözlemlenmiştir. Türkiye'de geliştirilen bölgesel ZTD modellerinin genellenebilirliğini değerlendirmek amacıyla optimize edilmiş hiperparametreler aynen korunarak Avrupa veri setine uygulanmış ve her iki bölgede de benzer performans sıralamaları elde edilmiştir. ASTGCN ve XGBoost modelleri, farklı coğrafyalarda gösterdikleri yüksek doğruluk ve tutarlılık ile önerilen 'Kümeleme+Tahmin' yaklaşımının coğrafi bağımsızlığını ve uygulanabilirliğini ortaya koymuştur. En başarılı iki modelin performansı, Uluslararası GNSS Servisi (IGS: International GNSS Service) ile Viyana İzdüşüm Fonksiyonları (VMF: Vienna Mapping Functions) veri sunucusu tarafından hizmete sunulan ve referans niteliğindeki IGS-ZTD ile VMF3-ZTD ürünleriyle ISTA ve TUBI istasyonlarında karşılaştırılarak değerlendirilmiştir. Sonuçlar, ASTGCN modelinin VMF3-ZTD ile yüksek uyum (R² > 0.81) ve düşük hata (RMSE ≈ 0.019 m) sağladığını, ayrıca IGS-ZTD'deki veri boşluklarının model tarafından istikrarlı biçimde doldurulabildiğini göstermektedir. Bu bulgular, mekânsal-zamansal öğrenme temelli bölgesel modellerin troposferik ürünlerdeki eksiklikleri bütünleyebilen ve bazı durumlarda ikame edebilen güçlü bir alternatif sunduğunu ortaya koymaktadır.Article VMF Veri Sunucusundan Türetilen Grid Bazlı VMF3 ve GPT3 Troposfer Modellerinin Karşılaştırılması: Avrupa Bölgesi için Bir Çalışma(2024-12-30) Inal, Cevat; Akar, Alı UtkuToplam Zenit Gecikmesi (ZTD), elektromanyetik sinyallerin doğruluğunu etkileyen önemli bir faktör olduğundan Küresel Navigasyon Uydu Sistemleri (Global Navigation Satellite Systems, GNSS), jeodezi ve haritacılık, hava durumu tahminleri ve astronomik gözlemler gibi yüksek doğruluk gerektiren uygulamalar için belirlenmesi gerekir. Gecikme etkisi, yüzey meteorolojik parametrelerine dayanan geleneksel troposfer modelleriyle tahmin edilebilir. Meteorolojik verilerin birtakım çevresel ve ekonomik hususlar nedeniyle yerinde gözlemlerden elde edilememesi ve ilgili modellerdeki içsel modelleme hataları dikkate alındığında, bu yaklaşımların veri işleme süreçlerinde doğru sonuçları sağlaması zorlaşmaktadır. Bir çözüm olarak, Avrupa Orta Vadeli Hava Tahminleri Merkezi'nden (ECMWF) sürekli güncellenen Sayısal Hava Tahminleri (NWP) verilerine dayalı Vienna İz Düşüm Fonksiyonu (VMF) veri sunucusu; ayrık ve ampirik olmak üzere iki farklı modelden troposferik ürünler sağlamaktadır. Ayrıca, bu sunucuda, referans istasyonlarındaki yerinde gözlemlerle elde edilen saha bazlı (site-wise) ZTD’ler doğrudan, istasyonların bulunmadığı rastgele konumlardaki ZTD’lerin kestirimi için grid bazlı (grid-wise) veriler kullanıcılara sunulmaktadır. Bu çalışma, VMF veri sunucusu tarafından türetilmiş grid Viyana İz Düşüm Fonksiyonu-3 (VMF3) ve Global Basınç ve Sıcaklık-3 (GPT3)troposfer modellerinin ZTD kestirimindeki performansının karşılaştırmalı analizine odaklanmıştır. Avrupa Bölgesi’nden seçilmiş rastgele konumlardaki referans noktaları üzerinden uygulama gerçekleştirilmiş olup modellerden elde edilen günlük ZTD’ler değerlendirilmiştir. Çalışma sonuçları, VMF3 modelinin 0.7-1.1 cm arasında değişen Karesel Ortalama Hata (KOH) değerleri ile ZTD’yi kestirdiğini, bu hata değerlerinin GPT3 modeli için 3.2-5.0 cm arasında olduğunu göstermiştir. Genel olarak, VMF3’ün GPT3 modeline kıyasla ZTD kestirimindeki yeteneğinin daha yüksek olduğu söylenebilir. Yerinde gözlemlerin mümkün olmadığı ya da saha bazlı ürünlere ait veri arşivinin olmadığı konumlar için ZTD’nin belirlenmesinde grid bazlı VMF3’ün destekleyici bir model olarak kullanılabileceği sonucuna varılabilir.Article Citation - WoS: 10Citation - Scopus: 10Performance of Spatial Interpolation Methods in Predicting Gnss Zenith Total Delay(Elsevier B.V., 2024-03-01) Akar, A.U.; Inal, C.This study proposes an alternative approach to the grid-wise VMF1 over Europe, through spatial interpolation of the site-wise VMF1 product. The performance of Ordinary Kriging and IDW was evaluated for predicting ZTD. Using 2020 data collected at 24 GNSS stations, two scenarios were constructed for February and August. Ordinary Kriging and IDW predictions were performed by making model adjustments via performance metrics and method successes were compared. The results showed that the ordinary kriging achieved a success rate of 83.2 %, while the IDW method achieved 77.1 % success. We compared the results with the grid-wise VMF1 to control the accuracy of spatial interpolations. Finally, the methods proposed as alternatives to gridded VMF1 were verified through the CSRS-PPP(ZTD). Ordinary-Kriging (RMSEFeb: [0.92–2.95 cm]; RMSEAug: [1.76–3.85 cm]) was in better compliance with the CSRS-PPP(ZTD), compared to the grid-wise VMF1 (RMSEFeb: [1.59–3.01 cm]; RMSEAug: [2.32–3.93 cm]). These results support that the quality of gridded products can be improved by spatial interpolations. © 2024 Elsevier LtdArticle Citation - WoS: 13Citation - Scopus: 14The Novelty Hybrid Model Development Proposal for Mass Appraisal of Real Estates in Sustainable Land Management(TAYLOR & FRANCIS LTD, 2021-11-10) Şişman, Süleyman; Akar, Ali Utku; Yalpır, ŞükranIn this study, a new methodology has been developed for a sustainable mass appraisal system. A mathematical model was created with the combination of the Cobb-Douglas and the linear regression model. With the Analytic Hierarchy Process (AHP) method, real estate value criteria were grouped and weighted in a hierarchical structure. The weights obtained with AHP were integrated into the coefficients regarding the criteria weights and densities in the Cobb-Douglas hybrid model. The new hybrid model was confirmed with the features and price equivalents of 435 parcels for sale from the market. Besides, the model analysis results were compared with the Multiple Regression Analysis (MRA) modelling using market prices. While creating the methodology, Geographic Information Systems (GIS) was used to organize the geographic and regional data of the region. After developing the new hybrid model, criteria groups that developed the model and relevant sub-criteria were evaluated using Pearson's correlation analysis.Article Comparative Analysis of Clustering Algorithms for Meteorological Regime Characterization Over Türkiye Using ERA5 Reanalysis Data(2026) Akar, Ali Utku; İnal, CevatPrecise analysis and region-specific classification of meteorological parameters constitute a critical prerequisite for advanced scientific processes, ranging from artificial intelligence modeling to complex atmospheric research. The multidimensional and inherently volatile nature of these parameters often hinders the extraction of latent patterns through conventional statistical methods. At this juncture, clustering analysis facilitates the derivation of optimized analytical domains by automatically classifying data points with shared climatological signatures. This study adopts a comparative perspective by evaluating data-driven (K-means and K-medoids), spatial-based (Spatially Constrained Multivariate Clustering: SCMC), and density-based (DBSCAN) clustering approaches to reveal regional variability and spatial dependency across Türkiye. The primary motivation of this research is to determine which approach reflects the heterogeneous structure with high representational power across diverse topographical settings, thereby establishing an optimal clustering strategy for atmospheric modeling. This study aims to characterize and regionally decompose Türkiye’s meteorological profile by leveraging high-resolution European Centre for Medium-Range Weather Forecasts (ECMWF) ERA5 reanalysis parameters, including temperature, pressure, relative humidity, instantaneous moisture flux, geopotential, 2m temperature and dewpoint temperature. Methodologically, the ERA5 were downscaled to the geographical coordinates of meteorological stations via point-based extraction and validated against in-situ observations provided by the Turkish State Meteorological Service. Performance analyses indicate that the SCMC approach achieved the highest precision in delineating meteorological similarities and disparities. The comparative success ranking was established as SCMC>DBSCAN>K-medoids>K-means. Findings demonstrate that while K-means and K-medoids are effective in identifying broad climatic zones, the SCMC algorithm generates significantly more consistent and spatially continuous clusters. Furthermore, DBSCAN successfully isolated microclimatic regions with extreme values, such as the Eastern Black Sea, from the primary clusters. Consequently, this research demonstrates that integrating high-resolution reanalysis data with advanced spatial clustering techniques provides a more precise and dynamic decision-support mechanism for regional meteorological analysis and environmental planning compared to conventional methodologies.Article Evaluation of Carbon Footprint Effect in Land Consolidation for Sustainable Agricultural Planning: A Research on Transportation and Intra-Parcel Tractor Maneuvers(Elsevier Sci Ltd, 2025-12-01) Uyan, Mevlut; Akar, Ali Utku; Yalpir, SukranCarbon emission is a major driver to climate change, posing significant challenges to global sustainability efforts. Agriculture, as a key sector, plays a substantial role in greenhouse gas (GHG) emissions, with land fragmentation further exacerbating this issue by increasing fuel consumption and CO2 emissions during farming activities. Land consolidation (LC) has emerged as an effective strategy to mitigate these impacts by reducing the spatial dispersion of parcels and improving mechanization efficiency. This study focuses on a consolidation area in Konya, a vital agricultural region in T & uuml;rkiye. It examines the effects of changes in routes and tractor maneuvers before and after LC on the fuel consumption of tractors and, accordingly, the carbon footprint (CF). Using network analysis and the Tier-1 method for CF calculations, the study found a 40% reduction in total CO2 emissions due to decreased transportation distances. The average CF per enterprise decreased by 38.26%, demonstrating the potential of LC to make a substantial contribution to GHG reduction. These findings highlight LC's role in fostering sustainable agricultural planning and environmental conservation, providing a pathway for long-term carbon reduction and climate resilience. Further research is recommended to develop region-specific LC models integrating socio-economic and climatic variables for enhanced sustainability outcomes.Article Citation - WoS: 12Citation - Scopus: 14Spatial Evaluation of the Nuclear Power Plant Installation Based on Energy Demand for Sustainable Energy Policy(Springer, 2023) Akar, Ali Utku; Uyan, Mevlut; Yalpır, ŞükranKnowing the energy demand guides the future investments of countries. Nuclear power plant (NPP) is an important resource to guide sustainable energy policies in sectoral investments. The first step for the reliable, accurate and energy-demand-based use of this resource is the NPP installation on a suitable site. Therefore, spatial evaluation is required for NPP in terms of planning and management. The purpose of this study was to identify the potential province for NPP installation depending on the energy demand and to select the most suitable sites in this province by using geographic information system integrated with fuzzy analytic hierarchy process from multi-criteria decision making. First of all, the energy demand map for Turkey was produced by considering the demographic and economic criteria. From this map, it was concluded that Bursa has a very high energy potential province. Then, the suitability map was created by handling the environmental, social and safety criteria for site selection in Bursa. Results showed that Bursa has a very high suitability site for NPP, which spans 1092 km(2) (10%) after deducting the restricted sites, relatively and least suitable sites. Finally, nine candidate sites were selected from among the most suitable sites, and these sites were evaluated in terms of tourism, agricultural activities, sufficient cooling water and area sizes. As a result of the evaluations, two priority sites (CS-7 and CS-9) for NPP were found in Bursa. The examination of NPP site suitability would assist in the country's development and spatial plans.Article A Novel Regional Tropospheric Delay Prediction Model Based on Spatial Clustering and Gradient Boosting Algorithms(Springer, 2026-06-01) Akar, Ali Utku; Inal, CevatRegional modeling of zenith tropospheric delay (ZTD) is fundamental for high-precision Global Navigation Satellite System (GNSS) positioning and atmospheric research, yet capturing complex, nonlinear atmospheric variability remains challenging. This study presents a novel framework for regional ZTD prediction by integrating spatially constrained multivariate clustering (SCMC) with GBM, LightGBM, and XGBoost. The proposed framework aims to improve prediction accuracy for regional atmospheric structures exhibiting spatiotemporal variability. Using 43 GNSS stations, five spatial clusters were identified across the study area using the SCMC algorithm based on ECMWF Reanalysis v5 (ERA5) meteorological variables. The cluster-specific prediction models were trained on Vienna Mapping Functions 3 (VMF3) features [2020-2023] and tested using 2024 data, with the IGS final tropospheric product (IGSZPD) and the ECMWF Integrated Forecast System (ECMWFIFS) serving as benchmarks to validate the accuracy and generalizability of the regional models. Results indicate that spatial clustering enhances predictive accuracy and regional adaptability. Among the tested models, XGBoost exhibited the most substantial improvement; while the model trained over the entire study area yielded a root mean square error (RMSE) of 2.0 cm, cluster-specific models achieved RMSE values as low as 1.1 cm, representing an impressive 35% accuracy enhancement. Consistent gains of approximately 19 and 16% were also observed for LightGBM and GBM, respectively. These findings demonstrate that the SCMC-integrated XGBoost model effectively captures ZTD variations under complex climatic conditions, exhibiting superior predictive capabilities. Furthermore, the computational efficiency and low-latency inference of LightGBM and XGBoost make them ideal for real-time GNSS applications.Conference Object Citation - Scopus: 3Using Svr and Mra Methods for Real Estate Valuation in the Smart Cities(International Society for Photogrammetry and Remote Sensing, 2021) Akar, Ali Utku; Yalpır, S.Determination of real estate value plays a very critical role in economic development and basic needs of people. Increasing demand for real estate together with population growth is making it difficult to determine real estate value. In applications where real estate is the main subject, such as urban activities, smart cities and urbanization, urban information system and valuation systems, model-based value estimations are essential for effective land/real estate policy. The type of real estate and impact degree of features depending on the type should be known as well as value estimation. It will be beneficial to follow a method that both determines the real estate value and factor impact degree. With the studies to be carried out using such methods, both region-specific valuation models can be created and the model is established with the optimum variable. This paper aimed to determine real estate value by using Support Vector Regression (SVR) and Multi Regression Analysis (MRA) methods for effective real estate management. Besides, both methods were examined by revealing the impact degrees of features that affect the value. The methods were applied to 319 parcels in Konya. For each parcel, 31 land features and market values were collected. The parcel data collected since 2018 were included in the models. From the results, the RBF-SVR model reached the highest R2 value with 0.88, while the MRA model reached 0.86. © Author(s) 2021. CC BY 4.0 License.
Research Topics
Domains
Physical SciencesSocial Sciences
Fields
EngineeringEarth and Planetary SciencesPhysics and AstronomyEnvironmental ScienceBusiness, Management and Accounting
Subfields
Aerospace EngineeringOceanographyAstronomy and AstrophysicsManagement, Monitoring, Policy and LawStrategy and ManagementAtmospheric Science
Specific Research Areas
GNSS positioning and interference
Geophysics and Gravity Measurements
Ionosphere and magnetosphere dynamics
Soil and Land Suitability Analysis
Sustainable Supply Chain Management
Meteorological Phenomena and Simulations
Sustainable Development Goals
12RESPONSIBLE CONSUMPTION AND PRODUCTION
4
Research Products
13CLIMATE ACTION
2
Research Products
15LIFE ON LAND
2
Research Products
11SUSTAINABLE CITIES AND COMMUNITIES
2
Research Products
2ZERO HUNGER
2
Research Products
6CLEAN WATER AND SANITATION
2
Research Products
8DECENT WORK AND ECONOMIC GROWTH
2
Research Products
7AFFORDABLE AND CLEAN ENERGY
1
Research Products
14LIFE BELOW WATER
1
Research Products
17PARTNERSHIPS FOR THE GOALS
1
Research Products
Documents
10
Citations
92
h-index
7
Documents
12
Citations
95
Publication Collaboration
| Affiliation Name | Count |
|---|---|
| Konya Technical University | 17 |
| Gebze Technical University | 5 |
| Mersin Üniversitesi | 1 |
| Niğde Ömer Halisdemir Üniversitesi | 1 |
1 / 1
Data obtained from OpenAlex
| Journal | Count |
|---|---|
| International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences - ISPRS Archives | 2 |
| Clean Technologies and Environmental Policy | 1 |
| Computers and Electronics in Agriculture | 1 |
| Environmental Science And Pollution Research | 1 |
| Environment Development and Sustainability | 1 |
Current Page: 1 / 4
Scholarly Output
19
Articles
15
Views / Downloads
40/94
Supervised MSc Theses
1
Supervised PhD Theses
1
WoS Citation Count
60
Scopus Citation Count
72
Patents
0
Projects
0
WoS Citations per Publication
3.16
Scopus Citations per Publication
3.79
Open Access Source
11
Supervised Theses
2
Scopus Quartile Distribution
Competency Cloud
