CO2 and CH4 Fluxes from Waterbodies, Yukon-Kuskokwim Delta, Alaska, 2016-2019
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
This dataset provides estimates of carbon dioxide (CO2) and methane (CH4) diffusive fluxes from waterbodies, and watershed landcover data for the central-interior of the Yukon-Kuskokwim Delta (YK delta), Alaska. Dissolved concentrations of methane and carbon dioxide were predicted using an integrated terrestrial-aquatic approach to scale observations based on landscape and waterbody remote sensing drivers. The observations include ~300 samples of surface water dissolved gases collected in July 2016-2019 from the central region of the YK Delta, Alaska. A machine learning model was used to generate estimated fluxes. Model inputs include Sentinel-2 MSI with derived normalized difference vegetation index (NDVI) and normalized difference water index (NDWI), an Arctic digital elevation model (DEM) with derived slope and flow accumulation, Sentinel-1 C-band July and December VV and VH composites, and a landcover map. Waterbody size, shape, and reflectance were determined using object-based image analysis in Google Earth Engine. Landscape-level input data were averaged in non-nested sub-basins calculated using the System for Automated Geoscientific Analyses (SAGA) "channel network" algorithm at three threshold sizes. Cross validation was used to tune and select variables for gradient boosting models. The trained gradient boosting models were then used to predict dissolved methane and carbon dioxide in all waterbodies (~17,000) in the region. These aquatic concentrations were converted to fluxes using an average gas transfer velocity from observations (0.33 m/d). The data are provided in GeoTIFF and shapefile formats.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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