Routine monitoring of western Lake Erie to track water quality changes associated with cyanobacterial harmful algal blooms
Notice bibliographique
Résumé
Abstract. The western basin of Lake Erie has a history of recurrent cyanobacterial harmful algal blooms (HABs) despite decades of efforts by the United States and Canada to limit phosphorus loading, a major driver of the blooms. In response, the National Oceanic and Atmospheric Administration (NOAA) Great Lakes Environmental Research Laboratory (GLERL) and the Cooperative Institute for Great Lakes Research (CIGLR) created an annual sampling program to detect, monitor, assess, and predict HABs in western Lake Erie (WLE). Here we describe the data collected from this monitoring program from 2012 to 2021. This dataset includes observations on physicochemical properties, major nutrient fractions, phytoplankton pigments, microcystins, and optical properties for western Lake Erie. This dataset is particularly relevant for creating models, verifying and calibrating remote sensing algorithms, and informing experimental research to further understand the water quality dynamics that influence HABs in this internationally significant body of freshwater. The dataset can be freely accessed from NOAA National Centers for Environmental Information (NCEI) at https://doi.org/10.25921/11da-3x54 (Cooperative Institute for Great Lakes Research, University of Michigan and NOAA Great Lakes Environmental Research Laboratory, 2019).
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 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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 tête enseignante, 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 ».