MétaCan
Menu
Retour à la cohorte
Enregistrement W4407189271 · doi:10.1080/07038992.2025.2451934

Inland Water Body Fraction Map for Canada and Adjacent Regions at 250-m Spatial Resolution

2025· article· en· W4407189271 sur OpenAlexafffundvenueabout
Shaheen Ghayourmanesh, Alexander P. Trishchenko, Calin Ungureanu

Notice bibliographique

RevueCanadian Journal of Remote Sensing · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensNatural Resources Canada
Organismes subventionnairesNatural Resources Canada
Mots-clésGeographyCartographyFraction (chemistry)Resolution (logic)Water bodyPhysical geographyEnvironmental scienceComputer scienceArtificial intelligenceChemistryEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

We present a novel raster dataset of surface inland water body fraction over Canada and neighbouring regions, including the northern parts of the United States, as well as Greenland, Iceland, and the northeastern sector of Russia, at 250-m spatial resolution. It was derived from the Global Surface Water (GSW) dataset (version 5) using a two-step resampling to ensure an accurate replication of the original data and spatial consistency in terms of extent and resolution with the Long-Term Satellite Data Records derived from the Moderate Resolution Imaging Spectroradiometer (MODIS) and the Visible Infrared Imaging Radiometer Suite (VIIRS) sensors. Additional input data and several coastline vector shape databases were utilized to refine the delineation of waterbodies and land-ocean interface. The resulting dataset is an 8-bit signed integer map, where each pixel represents either the water fraction or a land/ocean mask. Positive values indicate water bodies within Canada, while negative values represent areas outside of Canada. This dataset provides a more precise and up-to-date tool for medium-resolution studies of surface inland water in Canada, aligning closely with satellite imagery of similar spatial resolution. The dataset is freely available through the Government of Canada’s Open Government Portal.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,010
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,003

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 Opus0,008
Tête enseignante GPT0,198
Écart entre enseignants0,190 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2025
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Remote SensingMême sujetHydrology and Watershed Management StudiesTravaux en français237 207