Developing a global database of contemporary sediment yield observations
Notice bibliographique
Résumé
For many decades, sediment yield (SY) observations have been collected around the world to analyze, monitor, and better understand the state and dynamics of various Earth system processes. These records are highly relevant for a wide variety of research applications, yet they remain poorly accessible, especially for large-scale studies. A main reason for this is the fact that many of these measurements are collected on an isolated basis, leading to inconsistencies across data sets. SY observations also suffer from large uncertainties in data quality: key factors such as location accuracy, sampling method and frequency, measuring period, and others vary greatly but are not systematically reported. To address these shortcomings and provide a standardized global reference for SY data, we are developing an extensive, coherent and georeferenced global database of contemporary SY observations. Through an extensive review of (grey) literature and contacts with numerous research groups, we already compiled SY observations for >8,000 catchments worldwide (comprising a total of >80,000 catchment years of observations). These observations are either derived from gauging station measurements or reservoir sedimentation rates. We assess the reliability of SY records and provide data quality indices based on available information such as measuring location, reported catchment area, sampling method and frequency, and measuring period. We further link the SY observations to the HydroSHEDS global river network, making them readily accessible and consistent with a wide array of hydro-environmental catchment variables also connected to the HydroSHEDS network. This new global SY database creates untouched opportunities for large-scale model development and statistical analyses of sediment-related factors and processes, such as soil erosion, sediment budgets, land cover and land use change impacts, or hydrological and sediment connectivity. Here we present a first overview of the data collected so far, its spatial patterns and its research potential.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,011 | 0,020 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,004 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».