Lake-TopoCat: A global lake drainage topology and catchment database
Notice bibliographique
Résumé
Abstract. Lakes and reservoirs are ubiquitous across global landscapes, functioning as the largest repository of liquid surface freshwater, hotspots of carbon cycling, and “sentinels” of climate change. Although typically considered as lentic (hydrologically stationary) environments, lakes are an integral part of global drainage networks. Through perennial and intermittent hydrological connections, lakes often communicate with each other, and these connections actively affect water mass, quality, and energy balances in both lacustrine and fluvial systems. Deciphering how global lakes are hydrologically interconnected, or the so-called “lake drainage topology”, is not only important to lake change attribution, but also increasingly critical to discharge, sediment, and carbon modeling. Despite the proliferation of river hydrography data, lakes remain poorly represented in routing models, partially because there has been no global-scale hydrography dataset tailored to lake drainage basins and networks. Here, we introduce the global Lake drainage Topology and Catchment database, or “Lake-TopoCat”, which reveals detailed lake hydrography information with a careful consideration of possible multifurcation. Lake-TopoCat contains the outlet(s) and catchment(s) of each lake, the inter-connecting reaches among lakes, and a wide suite of attributes depicting lake drainage topology such as upstream and downstream relationship, drainage distance between lakes, and a priori drainage type and connectivity with river networks. Using the HydroLAKES (v1.0) global lake mask, the Lake-TopoCat v1.0 identifies ~1.46 million outlets for ~1.43 million lakes larger than 10 ha and delineates 77.5 million km2 of lake catchments covering 57 % of the Earth’s landmass except Antarctica. The global lakes are interconnected by ~3 million reaches, derived from MERIT Hydro (v1.0.1), stretching a total distance of ~10 million km, ~80 % of which are shorter than 10 km. With such unprecedented lake hydrography details, Lake-TopoCat may facilitate a variety of limnological applications including water quality diagnosis, agriculture and fisheries, lacustrine connectivity monitoring, and integrated lake-river modeling. It is freely accessible at https://doi.org/10.5281/zenodo.7420810 (Sikder et al., 2022).
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,005 |
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 ».