MétaCan
Menu
Retour à la cohorte
Enregistrement W3134876352 · doi:10.5194/hess-25-5749-2021

The International Soil Moisture Network: serving Earth system science for over a decade

2021· article· en· W3134876352 sur OpenAlexaff
Wouter Dorigo, Irene Himmelbauer, Daniel Aberer, Lukas Schremmer, Ivana Petrakovic, Luca Zappa, Wolfgang Preimesberger, Angelika Xaver, Frank Annor, Jonas Ardö, Dennis Baldocchi, Marco Bitelli, Günter Blöschl, Heye Bogena, Luca Brocca, Jean‐Christophe Calvet, J. Julio Camarero, Giorgio Capello, Minha Choi, Michael C. Cosh, Nick van de Giesen, Istvan Hajdu, Jaakko Ikonen, Karsten H. Jensen, Kasturi Devi Kanniah, Ileen de Kat, Gottfried Kirchengast, Pankaj Kumar, Jenni Kyrouac, Kristine M. Larson, Suxia Liu, Alexander Loew, Mahta Moghaddam, José Martínez‐Fernández, Cristian Mattar Bader, Renato Morbidelli, Jan Musiał, Elise Osenga, Michael A. Palecki, Thierry Pellarin, George P. Petropoulos, Isabella Pfeil, Jarrett Powers, Alan Robock, Christoph Rüdiger, U. Rummel, Michael Ströbel, Zhongbo Su, Ryan C. Sullivan, Torbern Tagesson, Andrej Varlagin, Mariëtte Vreugdenhil, Jeffrey P. Walker, Jun Wen, Fred Wenger, Jean‐Pierre Wigneron, Mel Woods, Kun Yang, Yijian Zeng, Xiang Zhang, Marek Zreda, Stephan Dietrich, Alexander Gruber, P.J. van Oevelen, Wolfgang Wagner, Klaus Scipal, Matthias Drusch, Roberto Sabia

Notice bibliographique

RevueHydrology and earth system sciences · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Moisture and Remote Sensing
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesRussian Foundation for Basic ResearchEuropean Commission
Mots-clésEarth system scienceEnvironmental scienceMoistureWater contentEarth scienceHydrology (agriculture)MeteorologyGeologyGeographyGeotechnical engineeringOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract. In 2009, the International Soil Moisture Network (ISMN) was initiated as a community effort, funded by the European Space Agency, to serve as a centralised data hosting facility for globally available in situ soil moisture measurements (Dorigo et al., 2011b, a). The ISMN brings together in situ soil moisture measurements collected and freely shared by a multitude of organisations, harmonises them in terms of units and sampling rates, applies advanced quality control, and stores them in a database. Users can freely retrieve the data from this database through an online web portal (https://ismn.earth/en/, last access: 28 October 2021). Meanwhile, the ISMN has evolved into the primary in situ soil moisture reference database worldwide, as evidenced by more than 3000 active users and over 1000 scientific publications referencing the data sets provided by the network. As of July 2021, the ISMN now contains the data of 71 networks and 2842 stations located all over the globe, with a time period spanning from 1952 to the present. The number of networks and stations covered by the ISMN is still growing, and approximately 70 % of the data sets contained in the database continue to be updated on a regular or irregular basis. The main scope of this paper is to inform readers about the evolution of the ISMN over the past decade, including a description of network and data set updates and quality control procedures. A comprehensive review of the existing literature making use of ISMN data is also provided in order to identify current limitations in functionality and data usage and to shape priorities for the next decade of operations of this unique community-based data repository.

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)0,010
score de la tête « metaresearch » (Gemma)0,013
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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0060,013
Études des sciences et des technologies0,0010,001
Communication savante0,0040,007
Science ouverte0,0020,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0120,014

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 Opus0,009
Tête enseignante GPT0,227
Écart entre enseignants0,218 · 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
GenreAutre

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

En bref

Citations444
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHydrology and earth system sciencesMême sujetSoil Moisture and Remote SensingTravaux en français237 207