Dataset for Climate-driven latitudinal divergence in lake phosphorus dynamics across Canada
Notice bibliographique
Résumé
This dataset provides annual near-surface total phosphorus (TP) concentrations for Canadian lakes from 1984 to 2023, derived from Landsat surface reflectance imagery and TPNet model retrievals. It includes two data components: Grid_TP, containing the median lake surface TP for each of Canada's 3,329 grids (1° × 0.5°) with latitude (LAT) and longitude (LON) representing each grid's centroid; and Basin_TP, containing the median lake surface TP for each of Canada's 366 HydroBASINS Level-5 watersheds, with LAT and LON representing each watershed's centroid. Each watershed is uniquely identified by HYBAS_ID, which can be used to obtain its full boundary. BASIN_TYPE categorizes watersheds by land use: 1 for urban, 2 for agricultural, 3 for tundra, 4 for boreal forest, and 5 for temperate forest. TP concentrations are expressed in µg/L. The dataset also includes the pre-trained TPNet model (TPNet.pth), developed using the PyTorch framework, along with demo code (TPNet.py) to guide the estimation of near-surface TP from Landsat imagery. For any questions or suggestions regarding the dataset or model, please contact Hongwei Guo at guohw@chzu.edu.cn.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,008 |
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 ».