Mapping four decades of lake chlorophyll-a across a continental watershed: A dataset for the lake winnipeg basin (1984–2023)
Notice bibliographique
Résumé
We present a standardized pan-watershed dataset of annual chlorophyll-a concentration (Chl-a) in 27,313 lakes (≥ 10 ha) draining into Lake Winnipeg, Canada, spanning 1984-2023. Lake polygons from HydroLAKES were integrated with Landsat 5/7/8 Collection 2 imagery processed in Google Earth Engine (GEE) using a reproducible workflow that (1) filters July-October scenes (peak phytoplankton biomass season), (2) masks non-water pixels from each scene, (3) converts Landsat digital numbers to surface reflectance values, (4) applies a cross-sensor Chl-a retrieval model calibrated against in-situ samples, (5) calculates the spatial mean of Chl-a in each lake for each scene, and (6) calculates the median value of all spatial-mean values per lake per year. Outputs include per-lake annual Chl-a provided as both natural-log and back-transformed Chl-a (µg L⁻¹) plus annual trophic state classes delivered in an Excel workbook and two geodatabases for mapping. The accompanying annotated GEE and R codes, input lake boundaries, and documentation enable transparent reuse and straightforward adaptation to other regions, time periods, or sensors. This resource fills a critical monitoring gap for an agriculturally influenced, bloom-prone continental watershed and supports research and management by establishing productivity baselines, detecting departures from historical conditions, and assessing bloom timing at scales relevant to decision-making. All data, inputs, and code are openly available via Zenodo.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».