MétaCan
Menu
Retour à la cohorte
Enregistrement W6921140991 · doi:10.6084/m9.figshare.27800394.v2

A Comprehensive Surface Water Quality Monitoring Dataset (1940-2023): 2.82Million Record Resource for Empirical and ML-Based Research

2025· dataset· en· W6921140991 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2025
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOutlierWater qualityIndex (typography)Missing dataQuality (philosophy)Resource (disambiguation)Sample (material)Data qualityData collection

Résumé

récupéré en direct d'OpenAlex

<b>Data Description</b><b>Water Quality Parameters</b>: Ammonia, BOD, DO, Orthophosphate, pH, Temperature, Nitrogen, Nitrate.<b>Countries/Regions</b>: United States, Canada, Ireland, England, China.<b>Years Covered</b>: 1940-2023.<b>Data Records</b>: 2.82 million.<b>Definition of Columns</b><b>Country</b>: Name of the water-body region.<b>Area</b>: Name of the area in the region.<b>Waterbody Type</b>: Type of the water-body source.<b>Date</b>: Date of the sample collection (dd-mm-yyyy).<b>Ammonia (mg/l)</b>: Ammonia concentration.<b>Biochemical Oxygen Demand (BOD) (mg/l)</b>: Oxygen demand measurement.<b>Dissolved Oxygen (DO) (mg/l)</b>: Concentration of dissolved oxygen.<b>Orthophosphate (mg/l)</b>: Orthophosphate concentration.<b>pH (pH units)</b>: pH level of water.<b>Temperature (°C)</b>: Temperature in Celsius.<b>Nitrogen (mg/l)</b>: Total nitrogen concentration.<b>Nitrate (mg/l)</b>: Nitrate concentration.<b>CCME_Values</b>: Calculated water quality index values using the CCME WQI model.<b>CCME_WQI</b>: Water Quality Index classification based on CCME_Values.<b>Data Directory Description:</b><b>Category 1: Dataset</b><b>Combined Data: </b>This folder contains two CSV files: <i>Combined_dataset.csv</i> and <i>Summary.xlsx</i>. The <i>Combined_dataset.csv</i> file includes all eight water quality parameter readings across five countries, with additional data for initial preprocessing steps like missing value handling, outlier detection, and other operations. It also contains the CCME Water Quality Index calculation for empirical analysis and ML-based research. The <i>Summary.xlsx</i> provides a brief description of the datasets, including data distributions (e.g., maximum, minimum, mean, standard deviation).<br><i>Combined_dataset.csv</i><i>Summary.xlsx</i><b>Country-wise Data: </b>This folder contains separate country-based datasets in CSV files. Each file includes the eight water quality parameters for regional analysis. The <i>Summary_country.xlsx</i> file presents country-wise dataset descriptions with data distributions (e.g., maximum, minimum, mean, standard deviation).<br><i>England_dataset.csv</i><i>Canada_dataset.csv</i><i>USA_dataset.csv</i><i>Ireland_dataset.csv</i><i>China_dataset.csv</i><i>Summary_country.xlsx</i><b>Category 2: Code</b><br>Data processing and harmonization code (e.g., Language Conversion, Date Conversion, Parameter Naming and Unit Conversion, Missing Value Handling, WQI Measurement and Classification).<br><i>Data_Processing_Harmonnization.ipynb</i>The code used for Technical Validation (e.g., assessing the Data Distribution, Outlier Detection, Water Quality Trend Analysis, and Vrifying the Application of the Dataset for the ML Models).<i>Technical_Validation.ipynb</i><b>Category 3: Data Collection Sources</b><br>This category includes links to the selected dataset sources, which were used to create the dataset and are provided for further reconstruction or data formation. It contains links to various data collection sources.<br><i>DataCollectionSources.xlsx</i><b>Original Paper Title: </b>A Comprehensive Dataset of Surface Water Quality Spanning 1940-2023 for Empirical and ML Adopted Research<b>Abstract</b><br>Assessment and monitoring of surface water quality are essential for food security, public health, and ecosystem protection. Although water quality monitoring is a known phenomenon, little effort has been made to offer a comprehensive and harmonized dataset for surface water at the global scale. This study presents a comprehensive surface water quality dataset that preserves spatio-temporal variability, integrity, consistency, and depth of the data to facilitate empirical and data-driven evaluation, prediction, and forecasting. The dataset is assembled from a range of sources, including regional and global water quality databases, water management organizations, and individual research projects from five prominent countries in the world, e.g., the USA, Canada, Ireland, England, and China. The resulting dataset consists of 2.82 million measurements of eight water quality parameters that span 1940 - 2023. This dataset can support meta-analysis of water quality models and can facilitate Machine Learning (ML) based data and model-driven investigation of the spatial and temporal drivers and patterns of surface water quality at a cross-regional to global scale.<br><b>Note:</b> Cite this repository and the original paper when using this dataset.<br><br>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0020,003
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0140,005

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.

Tête enseignante Opus0,500
Tête enseignante GPT0,511
Écart entre enseignants0,011 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareTravaux en français237 207