Water-quality and streamflow datasets used for estimating loads considered for use in the 2002 Midcontinent nutrient SPARROW models, United States and Canada, 1970-2012
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The United States Geological Survey's (USGS) SPAtially Referenced Regressions On Watershed attributes (SPARROW) model was developed to aid in the interpretation of monitoring data and simulate water-quality conditions in streams across large spatial scales. SPARROW is a hybrid empirical⁄process-based mass balance model that can be used to estimate the major sources and environmental factors that affect the long-term supply, transport, and fate of contaminants in streams. The spatially explicit model structure is defined by a river reach network coupled with contributing catchments. The model is calibrated by statistically relating watershed sources and transport-related properties to monitoring-based water-quality load estimates. Load estimates used in recent Midcontinent SPARROW model applications (2002 base year) are described in Saad and others, 2018 (https://doi.org/10.3133/sir20185051). Load estimation methods described in this report include the Beale Ratio Estimator and Fluxmaster models. This USGS data release, prepared in cooperation with the International Joint Commission, contains all of the input and output files necessary to reproduce the load estimates considered for inclusion in the 2002 Midcontinent SPARROW models. Data preparation for input to the load estimation models is also fully described in the above-mentioned report.
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.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle