GCRI · Ilmu Sistem dan Pemodelan
Optimasi di bawah ketidakpastian
Plans for infrastructure, reserves and portfolios must work across futures that cannot be predicted. Optimisation under uncertainty chooses decisions that perform well on average, hold up in bad cases or stay acceptable across many scenarios. This page sets out the main approaches, from stochastic to robust optimisation and decision-making under ketidakpastian mendalam, how their results are tested, and what evidence serves the planners who rely on them.
Optimisation under uncertainty on the record.
Optimisation under uncertainty: how the risk develops.
Robust and adaptive decisions when futures are deeply uncertain. The dossier below sets out how the risk develops, what is measured, where the data come from, how it is modelled and who decides.
Optimal for one future is fragile
A plan optimised for a single forecast can perform badly if the future differs. Representing uncertainty explicitly avoids this trap.
Stochastic methods use probabilities
Stochastic programming optimises expected performance across scenarios with assigned probabilities, which needs those probabilities to be credible.
Robust methods guard the worst case
Robust optimisation chooses decisions that perform acceptably for all scenarios within a set, trading average performance for protection.
Adaptive plans keep options open
Plans with decision points and triggers adapt as uncertainty resolves, avoiding commitments that lock in poor outcomes.
Bahaya dan keterpaparan di Amerika Utara.
Flood water, population density and daytime surface heat over North America, from NASA GIBS. Each layer carries its own date.
Peta interaktif memerlukan JavaScript. Daftar lapisan dan sumber tersedia di bawah.
Lapisan 3
Bahaya dan keterpaparan, untuk halaman ini
Tentang lapisan ini
- Bukti
- Teramati (awan menyisakan celah)
- Sumber
- Produk Banjir Global VIIRS (NASA LANCE)
- Penyedia
- NASA LANCE
- Lisensi
- Data terbuka NASA
- Tahun data
- harian; deteksi satelit; awan menyisakan celah
- Terbaru saat build
- 2026-10-14
- Resolusi
- kisi sekitar 250 m
- Ketidakpastian
- Deteksi satelit; awan menyisakan celah. Raster satelit atau model sebagaimana diterbitkan penyedia. Awan, celah jalur sapuan, dan galat pengambilan data menyisakan celah dan derau; nilai-nilainya adalah indikator, bukan pengukuran di suatu tempat.
- Dijangkau melalui
- gibs.earthdata.nasa.gov, hanya setelah Anda mengizinkan peta langsung
Tentang lapisan ini
- Bukti
- Estimasi
- Sumber
- Gridded Population of the World v4.11 (NASA SEDAC (CIESIN, Universitas Columbia))
- Penyedia
- NASA SEDAC (CIESIN, Universitas Columbia)
- Lisensi
- CC BY 4.0
- Tahun data
- null; estimasi berbasis sensus, statis (2020)
- Resolusi
- kisi sekitar 1 km
- Ketidakpastian
- Estimasi berbasis sensus jumlah penduduk per kilometer persegi pada 2020, ditampilkan sebagai konteks keterpaparan; bukan hitungan orang yang terdampak bahaya apa pun.
- Dijangkau melalui
- gibs.earthdata.nasa.gov, hanya setelah Anda mengizinkan peta langsung
Tentang lapisan ini
- Bukti
- Teramati (awan yang menetap tetap menyisakan celah)
- Sumber
- VIIRS NOAA-20 Level 3, 8 harian (NASA LANCE)
- Penyedia
- NASA LANCE
- Lisensi
- Data terbuka NASA
- Tahun data
- 8 harian; komposit satelit 8 hari; awan yang menetap tetap menyisakan celah
- Terbaru saat build
- 2026-09-14
- Resolusi
- kisi sekitar 1 km
- Ketidakpastian
- Suhu kulit permukaan tanah dari satelit selama 8 hari hingga tanggal yang ditampilkan, indikator keterpaparan panas; bukan suhu udara, indeks panas, atau peringatan panas.
- Dijangkau melalui
- gibs.earthdata.nasa.gov, hanya setelah Anda mengizinkan peta langsung
Tentang lapisan ini
- Bukti
- Teramati
- Sumber
- Reflektansi terkoreksi VIIRS NOAA-20 (NASA LANCE)
- Penyedia
- NASA LANCE
- Lisensi
- Data terbuka NASA
- Tahun data
- harian; citra satelit
- Terbaru saat build
- 2026-10-14
- Resolusi
- kisi sekitar 250 m
- Ketidakpastian
- Citra satelit. Raster satelit atau model sebagaimana diterbitkan penyedia. Awan, celah jalur sapuan, dan galat pengambilan data menyisakan celah dan derau; nilai-nilainya adalah indikator, bukan pengukuran di suatu tempat.
- Dijangkau melalui
- gibs.earthdata.nasa.gov, hanya setelah Anda mengizinkan peta langsung
Tentang lapisan ini
- Bukti
- Dimodelkan (tahun terbaru yang diterbitkan GIBS)
- Sumber
- MODIS Terra and Aqua land cover (MCD12Q1) (NASA LP DAAC)
- Penyedia
- NASA LP DAAC
- Lisensi
- Data terbuka NASA
- Tahun data
- tahunan; klasifikasi satelit; tahun terbaru yang diterbitkan GIBS
- Terbaru saat build
- 2024-01-01
- Resolusi
- kisi sekitar 500 m
- Ketidakpastian
- Kelas tutupan lahan satelit untuk tahun yang ditampilkan, termasuk lahan pertanian; klasifikasi dengan kesalahan yang diketahui, bukan register pertanian.
- Dijangkau melalui
- gibs.earthdata.nasa.gov, hanya setelah Anda mengizinkan peta langsung
Tentang lapisan ini
- Bukti
- Teramati (awan dan waktu lintasan menyisakan celah)
- Sumber
- VIIRS NOAA-20 375 m (FIRMS) (NASA LANCE FIRMS)
- Penyedia
- NASA LANCE FIRMS
- Lisensi
- Data terbuka NASA
- Tahun data
- harian; deteksi satelit; awan dan waktu lintasan menyisakan celah
- Terbaru saat build
- 2026-10-13
- Resolusi
- kisi sekitar 500 m
- Ketidakpastian
- Deteksi titik panas satelit pada hari yang ditampilkan, termasuk suar gas dan panas industri; bukan kebakaran yang terkonfirmasi, laporan insiden, atau peringatan.
- Dijangkau melalui
- gibs.earthdata.nasa.gov, hanya setelah Anda mengizinkan peta langsung
Papan ketik, dengan peta terfokus
Tahan Ctrl atau ⌘ dan gulir untuk memperbesar
Terbaru yang tersedia
NASA GIBS / EOSDIS · ASTER GDEM (METI, NASA) · Blue Marble (NASA) · © kontributor OpenStreetMap (ODbL) · Natural Earth
Memuat citra NASA terbaru.
Seret untuk menggeser. Ctrl atau ⌘ dan gulir, cubit, atau gunakan tombol untuk memperbesar. Arahkan kursor untuk melihat nilai di bawah penunjuk. Setel ulang untuk kembali ke wilayah.
Bahaya dan keterpaparan, dibingkai pada Amerika Utara.Produk satelit dan model sebagaimana diterbitkan NASA, masing-masing dengan tanggalnya sendiri. Produk ini adalah indikator, bukan penilaian atas tempat mana pun.
Data: NASA GIBS · ASTER GDEM · Blue Marble · © kontributor OpenStreetMap · Natural Earth · NASA EONET · U.S. Geological Survey · NASA JPL OPERA DIST-ALERTSumber dan lisensi
- We acknowledge the use of imagery provided by services from NASA’s Global Imagery Browse Services (GIBS), part of NASA’s Earth Science Data and Information System (ESDIS). Colours redrawn from the published colour map; values averaged into hexagonal cells where shown (modified). Data terbuka NASA
- We acknowledge the use of imagery provided by services from NASA’s Global Imagery Browse Services (GIBS), part of NASA’s Earth Science Data and Information System (ESDIS). Colours redrawn from the published colour map; values averaged into hexagonal cells where shown (modified). Data terbuka NASA
- Produk mendekati waktu nyata VIIRS (banjir, suhu permukaan daratan, tutupan salju, reflektansi terkoreksi), NASA LANCE; citra melalui NASA GIBS. Warna digambar ulang dari peta warna yang dipublikasikan; nilai dirata-ratakan ke dalam sel heksagonal jika ditampilkan (dimodifikasi). Data terbuka NASA
- Center for International Earth Science Information Network (CIESIN), Columbia University. 2018. Gridded Population of the World, Version 4 (GPWv4): Population Density, Revision 11. NASA Socioeconomic Data and Applications Center (SEDAC). Dilisensikan di bawah CC BY 4.0. Warna digambar ulang dari peta warna yang dipublikasikan; nilai dirata-ratakan ke dalam sel heksagonal jika ditampilkan (dimodifikasi). doi:10.7927/H49C6VHW. CC BY 4.0
- Produk daratan MODIS (indeks vegetasi, produksi primer bruto, tutupan lahan), NASA LP DAAC dan LANCE; citra melalui NASA GIBS. Warna digambar ulang dari peta warna yang dipublikasikan; nilai dirata-ratakan ke dalam sel heksagonal jika ditampilkan (dimodifikasi). Data terbuka NASA
- NASA Fire Information for Resource Management System (FIRMS), produk kebakaran aktif VIIRS 375 m, NASA LANCE; ubin vektor melalui NASA GIBS. Warna digambar ulang dari peta warna yang dipublikasikan; nilai dirata-ratakan ke dalam sel heksagonal jika ditampilkan (dimodifikasi). Data terbuka NASA
- ASTER GDEM adalah produk METI dan NASA (ASTER Global Digital Elevation Model V003, NASA LP DAAC); citra melalui NASA GIBS. Warna digambar ulang dari peta warna yang dipublikasikan; nilai dirata-ratakan ke dalam sel heksagonal jika ditampilkan (dimodifikasi). Kutip sebagai: NASA/METI/AIST/Japan Spacesystems and U.S./Japan ASTER Science Team (2019). ASTER Global Digital Elevation Model V003. doi:10.5067/ASTER/ASTGTM.003. Data terbuka NASA
- Dibuat dengan Natural Earth. Data peta vektor dan raster gratis @ naturalearthdata.com. Domain publik
- © kontributor OpenStreetMap (ODbL), melalui NASA GIBS (garis pantai, batas wilayah, jalan, dan nama tempat). Warna digambar ulang dari peta warna yang diterbitkan; nilai dirata-ratakan ke dalam sel heksagonal bila ditampilkan (dimodifikasi). ODbL
- Blue Marble, NASA Earth Observatory; citra melalui NASA GIBS. Warna digambar ulang dari peta warna yang dipublikasikan; nilai dirata-ratakan ke dalam sel heksagonal jika ditampilkan (dimodifikasi). Data terbuka NASA
- Konteks pada globe dan peta datar: garis pantai, batas wilayah, jalan, dan nama tempat dari lapisan acuan NASA GIBS (data OpenStreetMap, ODbL, © kontributor OpenStreetMap). Citra Blue Marble sebagai peta dasar opsional. Medan 3D dan keterangan elevasi dari indeks warna elevasi ASTER GDEM (kelas 5 m hingga 200 m, dilebih-lebihkan agar terbaca). Batas wilayah digambar sebagaimana diterbitkan dan tidak menyiratkan posisi atas wilayah mana pun.
- Peristiwa langsung: NASA Earth Observatory Natural Event Tracker (EONET). Peristiwa bersifat indikatif dan mempertahankan tautan sumber aslinya.
- Langsung: NASA EONET. Peristiwa bersifat indikatif, bukan peringatan otoritas.
- Langsung: U.S. Geological Survey. Peristiwa bersifat indikatif, bukan peringatan otoritas.
- Observed (EO): NASA JPL OPERA DIST-ALERT (contains modified Copernicus Sentinel data 2026). We acknowledge the use of imagery provided by services from NASA’s Global Imagery Browse Services (GIBS), part of NASA’s Earth Science Data and Information System (ESDIS).
- NASA GIBS: We acknowledge the use of imagery provided by services from NASA’s Global Imagery Browse Services (GIBS), part of NASA’s Earth Science Data and Information System (ESDIS).
- Prakiraan debit sungai, 30 hari dengan rentang (GloFAS melalui Open-Meteo): Contains modified Copernicus Emergency Management Service information 2026; bukan peringatan banjir.
- Data cuaca oleh Open-Meteo.com (https://open-meteo.com/), dilisensikan di bawah CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/).
- Lapisan opsional (11 sumber dalam daftar lapisan: langsung, prakiraan, teramati, dan konteks) mencantumkan kredit penyedianya di peta dan di sini saat diaktifkan; prakiraan adalah keluaran model dan indeks turunan adalah estimasi.
Lapisan dan tanggal
- Genangan banjir, komposit 3 hari: VIIRS Global Flood Product, NASA LANCE · 14 Okt 2026
- Kepadatan penduduk, 2020: Penduduk: CIESIN, Columbia University, Gridded Population of the World v4.11 (2018), NASA SEDAC, CC BY 4.0 · statis
- Suhu permukaan daratan, siang hari, komposit 8 hari: VIIRS NOAA-20 Level 3, 8 hari, NASA LANCE · 14 Sep 2026
- Warna asli: reflektansi terkoreksi VIIRS NOAA-20, NASA LANCE · 13 Okt 2026
- Tipe tutupan lahan (IGBP), tahunan: MODIS Terra and Aqua land cover (MCD12Q1), NASA LP DAAC · 2024
- Kebakaran aktif dan anomali termal: VIIRS NOAA-20 375 m (FIRMS), NASA LANCE FIRMS · 13 Okt 2026
Optimisation under uncertainty supports decisions in every domain.
Findings are designed for the seri Metode dan Teknis. Decision making under ketidakpastian mendalam (Marchau and others, 2019) sets out robust methods; owners decide.
- Case applications.
- Comparisons of robust methods.
Penjalan model terhubung.
Layar yang akan digunakan sebuah tim untuk mengikuti subjek ini: ukuran, status, dan keputusannya. Nama adalah contoh dan nilai bersifat ilustratif.
Penjalan model terhubung
Optimisation under uncertainty · Coupled model A · Scenario set 3
Grafik keterkaitan model
simpul: model · sisi: variabel yang dipertukarkan
Komponen terhubung
| Hidrologi | 1 hari | limpasan | Ya |
| Sistem tenaga listrik | 1 h | permintaan, pemadaman | Ya |
| Ekonomi | 1 kuartal | keluaran, harga | Sebagian |
| Penduduk | 1 tahun | keterpaparan | Ya |
Keluaran ansambel
Apa yang diukur, dan seberapa baik.
Setiap indikator membawa satuan, frekuensi, jenis sumber di baliknya, dan label bukti yang akan dibawa suatu nilai. Tidak ada nilai yang ditampilkan: sebuah program menyediakannya berdasarkan wewenangnya sendiri.
| Indikator | Unit | Kadensi | Jenis sumber | Label |
|---|---|---|---|---|
| Scenarios evaluated | jumlah | per analysis | Analysis documentation | DINYATAKAN |
| Regret of chosen plan | difference from best plan in each scenario | per analysis | Robustness analysis | DIMODELKAN |
| Value of the stochastic solution | difference between stochastic and deterministic plans | per analysis | Optimisation outputs | DIMODELKAN |
| Satisficing share | percent of scenarios meeting objectives | per analysis | Robustness analysis | DIMODELKAN |
| Adaptation triggers defined | jumlah | per plan | Plan documentation | DINYATAKAN |
| Out-of-sample performance | objective value on held-out scenarios | per analysis | Pengujian | DIMODELKAN |
Model optimisation under uncertainty as a system. Run the cascade.
Disusun dari profil bidang Nexus Standards profil area Standar bahaya majemuk dan berantai: bahaya yang disebutkannya, sistem dan sektor yang menanggung kerugian, kendali yang meredamnya, dan data yang mengamatinya. Pilih komponen, tentukan bahaya pemicu, dan telusuri kaskade langkah demi langkah. Tampilan Peta menempatkan proses pada contoh geografi dengan data terbuka. Setiap bobot keterkaitan adalah asumsi yang dinyatakan dan dapat Anda ubah. Model pengajaran, bukan prakiraan, penilaian, atau sertifikasi. Untuk memodelkan tempat pilihan Anda sendiri, buka System Builder.
Bahaya
- Peristiwa natech
- Tumpahan atau kebocoran bahan kimia (dipicu di hilir)
- Emergency-response overload (dipicu di hilir)
- Pelepasan gas beracun (dipicu di hilir)
- Kebakaran industri (dipicu di hilir)
Sistem dan keterkaitan
- Standar bahaya majemuk dan berantai
- Standar bahaya hidrometeorologi Pemajemukan
- Standar bahaya geofisika Pemicuan
- Infrastruktur kritis dan entitas kritis Efek berantai
- Risiko global dan risiko sistemik Mekanisme
Kendali
NS-0Anggaran dasar dan prinsipNS-3UNI catatan risiko (tata bahasa, pemetaan ke sistem lama, kewenangan alokasi)NS-9UNI kontekstual (penerapan, instans, instans program)NS-11Verifikasi dan pemantauan (bukti, atestasi, pengamatan kesesuaian zero trust)NRS-H61Kelompok bahaya: Kegagalan berantai (NHS-1 sys.cascade)NRS-H62Keluarga bahaya: Peristiwa majemuk dan multibahaya (NHS-1 sys.compound)NRS-H60Kelompok bahaya: Gangguan rantai pasok dan aliran (NHS-1 sys.supply-chain)NRS-H94Keluarga bahaya: Peristiwa siber sistemik (NHS-1 cyber.systemic-cyber)NRS-H107Keluarga bahaya: Konsentrasi dan monokultur infrastruktur digital (NHS-1 tech.digital-concentration)NRS-H7Keluarga bahaya: Anomali sirkulasi skala besar (NHS-1 atmo.climate-mode)
Pengamatan
- Aktivasi pemetaan cepat Copernicus EMS (dicantumkan sebagai rujukan)
- OpenStreetMap planet dan replikasi (dicantumkan sebagai rujukan)
- Reanalisis ERA5 (Copernicus Climate Data Store) (dicantumkan sebagai rujukan)
- Kerugian ekonomi langsung akibat bencana terhadap PDB global
- Jumlah gangguan layanan dasar yang disebabkan bencana
Contoh geografi
- Bangladesh: 134 sel heksagonal
- Cahaya malam hari ini, pemadaman (VIIRS Day/Night Band), NASA GIBS
- Karbon monoksida, sebaran asap (AIRS), NASA GIBS
- Peringatan gangguan vegetasi, 30 m (OPERA DIST-ALERT), NASA GIBS
Asal bukti.
Set data publik bernama dan catatan kelembagaan, masing-masing dengan kelas lisensinya. Sumber berdasarkan perjanjian hanya digunakan sesuai ketentuannya dan tidak pernah diterbitkan ulang.
| Sumber | Apa yang diberikannya | Kelas lisensi |
|---|---|---|
| Society for Decision Making under Deep Uncertainty resources | Methods and case studies for robust and adaptive planning | Public, terms to check |
| Open-source optimisation tools such as Pyomo and JuMP | Modelling languages for stochastic and robust optimisation | Open source, BSD and MPL licences |
| EMA Workbench | Exploratory modelling and analysis toolkit | Open source, BSD licence |
| Operations research literature on stochastic programming | Methods and applications | Licence per publication |
| Diterbitkan adaptive pathway plans, such as delta programmes | Applied adaptive planning | Public records, licence per government |
How optimisation under uncertainty is modelled, measured and tested.
Model, asumsi, data, dan ketidakpastiannya, dalam bentuk yang akan diperiksa ilmuwan atau insinyur. Strukturnya mengikuti metode yang dipublikasikan. Nilai yang digambar bersifat ilustratif, bukan temuan.
Model, persamaan, dan asumsi
The model structure used for optimisation under uncertainty, the assumptions it makes and how each is tested.
Ri = f(Hi, Ei, Vi, Ci)bahaya, keterpaparan, kerentanan, dan kapasitas penanggulanganEAL = ∑k pk · Lkatas peristiwa k dengan probabilitas tahunan pkxt+1 = A xt + B ut + εtA carries the couplings, u the shock, ε the error| Asumsi | Mengapa ini dibuat | Bagaimana ini diuji |
|---|---|---|
| Bahaya dan eksposur bersifat independen dalam satu peristiwa | Menjaga integral kerugian tetap dapat dihitung | Bandingkan dengan pencocokan kopula pada catatan gabungan |
| Keterkaitan bersifat linear di dekat titik operasi | Membiarkan guncangan merambat melalui A | Uji di luar rentang linear lalu bandingkan |
| Kurva kerentanan dapat dipindahkan antartempat | Kurva lokal jarang tersedia | Validasi terhadap kerugian teramati jika tersedia |
- Masukan
- dataset berversi dengan asal-usul yang tercatat
- Keluaran
- distribusi, bukan angka tunggal
- Kode
- dirilis bersama kartu model dan pengujiannya
- Reproduksi
- data, kode, lingkungan, dan seed yang sama
Siapa yang memutuskan, dan apa yang dilayani bukti.
Sistem Science and Modelling prepares evidence. The decisions below are taken by the authorities named, under their own rules, and never by the platform.
| Siapa yang memutuskan | Pertanyaannya | Bukti yang dilayani halaman ini |
|---|---|---|
| Infrastructure and resource planners | Which plans hold up across plausible futures | Robustness analyses; pathway designs |
| Analysts across Nexus platforms | Which optimisation approach suits their question | Method selection guides |
| Finance and audit bodies | Whether planning analyses considered uncertainty adequately | Analysis documentation |
Keluaran yang dihasilkan topik ini
- Method selection guides for planning under uncertainty
- Robustness and regret analyses
- Adaptive pathway designs with triggers
- Teaching material on optimisation under uncertainty
What experts ask about decisions under uncertainty.
- Is the aim to perform best on average, to avoid the worst outcomes, or to perform acceptably across many futures?
- Which uncertainties can be described with probabilities, and which cannot?
- Which decisions can be delayed, adapted or reversed as information arrives?
- How do trade-offs between objectives change across scenarios?
- What signals would indicate that a strategy needs to change?
Why optimal can be fragile.
Classical optimisation assumes a known model and known inputs. A strategy optimised for a single forecast can be finely tuned to that forecast and fragile if the future differs. In infrastructure planning, for example, a design optimised for one climate projection may fail under another.
Stochastic optimisation handles uncertainty described by probability distributions, seeking the best expected performance or managing risk measures. Robust optimisation seeks solutions that perform well across a set of possible conditions without probabilities.
Under ketidakpastian mendalam, when experts cannot agree on models or probabilities, methods such as robust decision making and adaptive pathways explore many futures, identify where strategies fail, and design plans that can change course when signposts are observed.
Metode dan batasannya.
- 01
Stochastic programming
Optimising expected outcomes over scenarios, using optimisasi dan riset operasi. Requires credible probabilities.
- 02
Robust optimisation
Optimising worst-case or regret across uncertainty sets. Can be conservative.
- 03
Exploratory modelling
Running models across many futures to find vulnerabilities, using decision analysis. Computationally demanding.
- 04
Adaptive pathways
Sequencing actions with triggers for change. Requires monitoring and institutional capacity.
These methods support judgement, they do not replace it. The choice of objectives and acceptable risks is a value choice for decision-makers.
Cara hal ini dikaji, dan apa yang tidak dapat dinyatakan metodenya.
- 01Optimisasi dan riset operasiPanduan perumusan masalah · Perbandingan robust dan stokastik · Tolok ukur solverDiterapkan di sini
- 02Analisis keputusan dalam ketidakpastianMembingkai keputusan sebelum model · Nilai informasi untuk modelDiterapkan di sini
- 03Kuantifikasi ketidakpastian dan validasi modelAnggaran ketidakpastian · Model pengganti untuk simulasi mahal · Penilaian kredibilitasDiterapkan di sini
- 04Komputasi berkinerja tinggi, cloud, dan edgeDesain ensambel dalam batas anggaran · Orkestrasi alur kerja · Lingkungan yang dapat direproduksiDiterapkan di sini
Where this page’s references lead.
Badan dan dokumen yang menjadi acuan halaman ini. Status dan edisi berubah; setiap tautan menuju badan penerbitnya.
Tanya jawab.
What is robust optimisation?
What is deep uncertainty?
What is an adaptive pathway?
Is a robust strategy always more expensive?
Does the platform choose strategies?
Kontribusikan bukti dari halaman ini.
Laporan is the Consortium’s quarterly publication. What you know about this subject can become evidence, a case or a correction in the next edition, credited to you and published under CC BY 4.0 where it is your own work.
- SurelGerbang GW-GCRIKirim dari halaman iniBukti, koreksi, kasus, metode, tinjauan, terjemahan, atau masukan profil. Kiriman tiba dengan label halaman ini, sehingga editor pemiliknya menerimanya.
- ZenodoDeposit terbukaDeposit dan ajukan ke komunitasTerbitkan catatan Anda sendiri di Zenodo dengan ORCID iD Anda, lalu ajukan ke komunitas Reports di sana. Kurator meninjaunya; DOI tetap milik Anda.
- LaporanGCRILihat semua cara berkontribusiJenis kontribusi, cara masing-masing ditinjau, kredit yang Anda terima, lisensinya, dan apa yang tidak pernah diterima.
Jangan pernah mengirim data pribadi, rincian infrastruktur sensitif, atau apa pun yang tidak berhak Anda bagikan. Kontribusi ditinjau sebelum digunakan. Mengirimkannya tidak memberikan hak kepenulisan atau editorial, dan sponsor tidak pernah membeli sebuah temuan.
Bawa metode, dataset, atau pertanyaan.
Informasi dan pertanyaan sudah terbuka hari ini. Sebuah pertanyaan menerima nomor referensi dan menyebutkan langkah berikutnya; lamaran, pembayaran, alokasi komputasi, dan pendaftaran hanya dibuka ketika tim, ketentuan, dan kapasitas tinjauannya tersedia.
Dokumen hukum.
Peta, data, dan gambar di situs ini ditampilkan untuk konteks dan informasi umum. Semua itu bukan nasihat, prakiraan, atau peringatan; batasan informasinya dijelaskan dalam Penafian dan Pemberitahuan Data.