Limnological data from nearly 400 lakes across the Americas and New Zealand with a focus on vertical profiles of temperature, UV radiation, and optical properties
Notice bibliographique
Résumé
Two and a half decades of limnological data have been collected from nearly 400 lakes, encompassing a wide range of systems and a broad range of geography. This data set comprises one of the largest and most complete sets of measurements of underwater ultraviolet (UV) transparency available in the world. The data include a suite of 36 variables, with a focus on the optical characteristics. Lakes range from pristine natural lakes to manmade reservoirs. The systems represented in this data set are largely located in North America, from the northeastern United States to Alaska, and alpine and subalpine lakes in the Rocky Mountains of the United States and Canada. Lakes included range from iconic Lake Tahoe, and Castle Lake in northern California, to lakes in the South American Patagonian region, as well as New Zealand. Data were most often collected during the summer, and in some lakes span multiple years (with year-round data since 2006 in Lake Tahoe). The data here are contained in three files, including LakeData.csv, SiteInformation.csv, and Methods.csv. The main data are in LakeData.csv. SiteInformation.csv and Methods.csv support the main data file with descriptions of the sampling sites and methods by which samples were processed, respectively. This data set complements the site-intensive limnological data that we published in EDI on 30+ years of data from 3 lakes in the Poconos Mountains region of Pennsylvania, USA. This complementary data set can be accessed at https://portal.edirepository.org/nis/mapbrowse?scope=edi&identifier=186
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,003 |
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 ».