MétaCan
Menu
← Retour à la cohorte
Enregistrement W4393414617 · doi:10.5281/zenodo.2611857

Quality check of river flow data worldwide

2019· dataset· en· W4393414617 sur OpenAlexaboutno aff
Louise.Crochemore Smhi.Se

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2019
Typedataset
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuality (philosophy)Flow (mathematics)Computer scienceEnvironmental scienceHydrology (agriculture)GeologyMathematicsGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Quality characteristics for 21586 river flow time series from 13 datasets worldwide. The 13 datasets are: the Global Runoff Database from the Global Runoff Data Center (GRDC), the Global River Discharge Data (RIVDIS; Vörösmarty et al., 1998), Surface-Water Data from the United States Geological Survey (USGS), HYDAT from the Water Survey of Canada (WSC), WISKI from the Swedish Meteorological and Hydrological Institute (SMHI), Hidroweb from the Brazilian National Water Agency (ANA), National data from the Australian Bureau of Meteorology (BOM), Spanish river flow data from the Ecological Transition Ministry (Spain), R-ArcticNet v. 4.0 from the Pan-Arctic Project Consortium (R-ArcticNet), Russian River data (NCAR-UCAR; Bodo, 2000), Chinese river flow data from the China Hydrology Data Project (CHDP; Henck et al., 2010, 2011), the European Water Archive from GRDC - EURO-FRIEND-Water (EWA), and the GEWEX Asian Monsoon Experiment (GAME) – Tropics dataset provided by the Royal Irrigation Department of Thailand. Quality characteristics are based on availability, outliers, homogeneity and trends: overall availability (%), longest availability (%), continuity (%), monthly availability (%), outliers ratio (%), homogeneity of annual flows (number of statistical tests agreeing), trend in annual flows, trend in one month of the year. Bodo, B. (2000) Russian River Flow Data by Bodo. Boulder CO: Research Data Archive at the National Center for Atmospheric Research, Computational and Information Systems Laboratory. Retrieved from http://rda.ucar.edu/datasets/ds553.1/ Henck, A. C., Huntington, K. W., Stone, J. O., Montgomery, D. R. & Hallet, B. (2011) Spatial controls on erosion in the Three Rivers Region, southeastern Tibet and southwestern China. Earth and Planetary Science Letters 303(1–2), 71–83. doi:10.1016/j.epsl.2010.12.038 Henck, A. C., Montgomery, David R., Huntington, K. W. & Liang, C. (2010) Monsoon control of effective discharge, Yunnan and Tibet. Geology 38(11), 975–978. doi:10.1130/G31444.1 Vörösmarty, C. J., Fekete, B. M. & Tucker, B. A. (1998) Global River Discharge, 1807-1991, V[ersion]. 1.1 (RivDIS). doi:10.3334/ornldaac/199

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)0,036
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: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,036
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0110,021
Études des sciences et des technologies0,0010,000
Communication savante0,0030,003
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0140,008

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 Opus0,071
Tête enseignante GPT0,287
Écart entre enseignants0,216 · 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
GenreJeu de données

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

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Même sujetHydrology and Watershed Management Studies→Travaux en français237 207→