Catchment Attributes and MEteorology for Large-Sample SPATially distributed analysis (CAMELS-SPAT): streamflow observations, forcing data and geospatial data for hydrologic studies across North America
Notice bibliographique
Résumé
We build on the existing Catchment Attributes and MEteorology for Large-sample Studies (CAMELS) dataset to present a new dataset aimed at hydrologic studies across North America, with a particular focus on facilitating spatially distributed studies. The dataset includes basin outlines, streamflow observations, meteorological data and geospatial data for 1426 basins in the US and Canada. To facilitate a wide variety of studies, we provide the basin outlines at a lumped and semi-distributed resolution; streamflow observations at daily and hourly time steps; variables suitable for running a wide range of models obtained and derived from different meteorological datasets at daily (one dataset) and hourly (three datasets) time steps; and geospatial data and derived attributes from 11 different datasets that broadly cover climatic conditions, vegetation properties, land use and subsurface characteristics. Forcing data are provided at their original gridded resolution, as well as averaged at the basin and sub-basin level. Geospatial data are provided as maps per basin, as well as summarized as catchment attributes at the basin and sub-basin level with various statistics. Attributes are further complemented with statistics derived from the forcing data and streamflow and focus on quantifying the variability of natural processes and catchment characteristics in space and time. Our goal with this dataset is to build upon existing large-sample datasets and provide the means for a more detailed investigation of hydrologic behaviour across large geographical scales. In particular, we hope that this dataset provides others with the data needed to implement a wide range of modelling approaches and to investigate the impact of basin heterogeneity on hydrologic behaviour and similarity. The CAMELS-SPAT (Catchment Attributes and MEteorology for Large-Sample SPATially distributed analysis) dataset is available at https://doi.org/10.20383/103.01306 (Knoben 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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,005 |
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 ».