CAMELS-GB: hydrometeorological time series and landscape attributes for 671 catchments in Great Britain
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract. We present the first large-sample catchment hydrology dataset for GreatBritain, CAMELS-GB (Catchment Attributes and MEteorology for Large-sampleStudies). CAMELS-GB collates river flows, catchment attributes and catchmentboundaries from the UK National River Flow Archive together with a suite ofnew meteorological time series and catchment attributes. These data areprovided for 671 catchments that cover a wide range of climatic,hydrological, landscape, and human management characteristics across GreatBritain. Daily time series covering 1970–2015 (a period including severalhydrological extreme events) are provided for a range ofhydro-meteorological variables including rainfall, potentialevapotranspiration, temperature, radiation, humidity, and river flow. Acomprehensive set of catchment attributes is quantified includingtopography, climate, hydrology, land cover, soils, and hydrogeology.Importantly, we also derive human management attributes (includingattributes summarising abstractions, returns, and reservoir capacity in eachcatchment), as well as attributes describing the quality of the flow dataincluding the first set of discharge uncertainty estimates (provided atmultiple flow quantiles) for Great Britain. CAMELS-GB (Coxon et al., 2020;available at https://doi.org/10.5285/8344e4f3-d2ea-44f5-8afa-86d2987543a9)is intended for the community as a publicly available, easily accessibledataset to use in a wide range of environmental and modelling analyses.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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