Mapping the world's inland surface waters: an upgrade to the Global Lakes and Wetlands Database (GLWD v2)
Notice bibliographique
Résumé
Abstract. In recognition of the importance of inland waters, numerous datasets mapping their extents, types, or changes have been created using sources ranging from historical wetland maps to real-time satellite remote sensing. However, differences in definitions and methods have led to spatial and typological inconsistencies among individual data sources, confounding their complementary use and integration. The Global Lakes and Wetlands Database (GLWD), published in 2004, with its globally seamless depiction of 12 major vegetated and non-vegetated wetland classes at 1 km grid cell resolution, has emerged over the last few decades as a foundational reference map that has advanced research and conservation planning addressing freshwater biodiversity, ecosystem services, greenhouse gas emissions, land surface processes, hydrology, and human health. Here, we present a new iteration of this map, termed GLWD version 2, generated by harmonizing the latest ground- and satellite-based data products into one single database. Following the same design principle as its predecessor, GLWD v2 aims to avoid double counting of overlapping surface water features while differentiating between natural and non-natural lakes, rivers of multiple sizes, and several other wetland types. The classification of GLWD v2 incorporates information on seasonality (i.e., permanent vs. intermittent vs. ephemeral); inundation vs. saturation (i.e., flooding vs. waterlogged soils), vegetation cover (e.g., forested swamps vs. non-forested marshes), salinity (e.g., salt pans), natural vs. non-natural origins (e.g., rice paddies), and stratification of landscape position and water source (e.g., riverine, lacustrine, palustrine, coastal/marine). GLWD v2 represents 33 wetland classes and – including all intermittent classes – depicts a maximum of 18.2 ×106 km2 of wetlands (13.4 % of the global land area excluding Antarctica). The spatial extent of each class is provided as the fractional coverage within each grid cell at a resolution of 15 arcsec (approximately 500 m at the Equator), with cell fractions derived from input data at resolutions as small as 10 m. The upgraded GLWD v2 offers an improved representation of inland surface water extents and their classification for contemporary conditions (∼ 1984–2020). Despite being a static map, it includes classes that denote intrinsic temporal dynamics. GLWD v2 is designed to facilitate large-scale hydrological, ecological, biogeochemical, and conservation applications, aiming to support the study and protection of wetland ecosystems around the world. The GLWD v2 database is available at https://doi.org/10.6084/m9.figshare.28519994 (Lehner et al., 2025).
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,011 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,004 |
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 ».