MétaCan
Menu
Retour à la cohorte
Enregistrement W2908779973

Bathymetry of Lake Ontario

2018· dataset· en· W2908779973 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typedataset
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBathymetryHydrographyBathymetric chartHydrographic surveyDepth soundingGeologyGeological surveyOceanographyMarine geologyEcho soundingRemote sensingNorth American Datum of 1927GeographyGeophysics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

bathymetry of lake ontario has been compiled as a component of a noaa project to rescue great lakes lake floor geological and geophysical data and make it more accessible to the public the project is a cooperative effort between investigators at the noaa national geophysical data center s marine geology geophysics division ngdc mgg and the noaa great lakes environmental research laboratory glerl was compiled utilizing the entire historic sounding data base the entire historic hydrographic sounding data base from the u s and canada originally collected for nautical charting purposes was used to create a complete and accurate representation of lake ontario bathymetry the u s data primarily came from the nos hydrographic survey data this and other bathymetric sounding data collected by the u s national ocean service s nos coast survey and the u s army corps of engineers was employed to construct bathymetric contours at 1 meter intervals from 1 10 meters depth and 2 meter intervals at depths greater than 10 meters compilation scales ranged from 1 10 000 to 1 50 000 bathymetric sounding data collected by the canadian hydrographic service chs were employed to construct bathymetric contours at 1 meter intervals and compilation scales ranging from 1 1 000 to 1 30 000 digitization of the bathymetric contours merging of the bathymetric contour data sets poster construction and preparation of a cd rom were accomplished at the ngdc multibeam bathymetric data collected by the university of new brunswick s ocean mapping group unb omg with support of the geological survey of canada gsc and the chs were kindly made available in gridded form in the two areas where multibeam bathymetric data were available no other bathymetric data were used in the compilations in some areas all available canadian and u s bathymetric sounding data collected at different times on different survey expeditions were used to derive the contours the u s coastline used was primarily the glerl medium resolution vector shoreline dataset lee 1998 where needed for more coverage the nos medium resolution vector shoreline for the conterminous u s 1994 dataset was used coastlines from the chs bathymetric sounding data field sheets were used to complete the canadian coastline images were constructed using the publicly available software generic mapping tools gmt

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,119

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0030,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,010
Tête enseignante GPT0,229
Écart entre enseignants0,219 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRemote Sensing and LiDAR ApplicationsTravaux en français237 207