Environmental variables measured in 85 lakes across Canada
Notice bibliographique
Résumé
The file "env_variables_FWBpaper.csv" contains environmental variables from subset of 85 sampled as part of the NSERC Canadian Lake Pulse Network project over three summers (2017-2018-2019). Lake morphometry variables were either measured on site (lake depth), or obtained from HydroLAKES v. 1.0 (Messager et al. 2016). Water quality variables (water physical and chemical properties) were collected or measured at the deepest point of each lake, following the protocols from the NSERC Canadian Lake Pulse Network (2021). Watershed land use fractions were characterized for each lake, as described by Huot et al. (2019). Variables sampling depth and units are described in Paquette et al (2023). References Huot, Y., C. A. Brown, G. Potvin, and others. 2019. The NSERC Canadian Lake Pulse Network: A national assessment of lake health providing science for water management in a changing climate. Sci. Total Environ. 695: 133668. doi:10.1016/j.scitotenv.2019.133668 Messager, M. L., B. Lehner, G. Grill, I. Nedeva, and O. Schmitt. 2016. Estimating the volume and age of water stored in global lakes using a geo-statistical approach. Nat. Commun. 7: 1–11. doi:10.1038/ncomms13603 NSERC Canadian Lake Pulse Network. 2021. NSERC Canadian Lake Pulse Network field manual 2017 - 2018 - 2019 surveys, M.-P. Varin, M.-L. Beaulieu, and Y. Huot [eds.]. Université de Sherbrooke. Paquette, C., Gregory-Eaves, I. et Beisner B.E. (2023) Congruence of water column, contemporary and pre-industrial sediment cladoceran assemblages in 85 Canadian lakes of contrasting human impact levels. Freshwater Biology, 00, 1-18.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 0,037 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».