Datasets for sediment source partitioning and budgeting: Fitzsimmons Creek Watershed, BC, Canada
Notice bibliographique
Résumé
The data repository includes the necessary shapefiles, raster datasets, and data tables to understand the detailed sediment budget (2014-2018), and historical sediment yield for the Fitzsimmons Creek Watershed, BC, Canada.The sediment budget data includes feature classes delineating the areas of interest (AOI) by landform (restricted to where significant change occurred based on fieldwork and preliminary morphometric change analysis), and summary tables of historical gravel removal, sedimentation in the run-of-river intake headpond, and net change lidar analysis for the 2014-2018 period. The DEM’s were first co-referenced and clipped to the area of interest, then a limit of detection was applied for gross measurements, and a DEM-based uncertainty analysis was performed. Additionally, the bed material fraction of sediment sources was estimated based on local grain size distribution estimates.The sediment yield (SY) data includes georeferenced historical air photos and UAV orthophotos from 1947 to 2023 with the topsets manually delineated, bathymetry rasters representing the paleolake and 2023 surfaces, and a 2023 DSM from the 2023 UAV survey. Finally, summary tables are provided for SY volumes, by period, for the delta and lake basin proximal to the delta.
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 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 | 0,000 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,070 | 0,022 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».