Spatial and temporal analysis of killer whale (<i>Orcinus orca</i>) strandings in the North Pacific Ocean and the benefits of a coordinated stranding response protocol
Notice bibliographique
Résumé
Abstract Killer whales ( Orcinus orca ) are widely distributed throughout the world's oceans, yet little has been documented about their stranding patterns. Knowledge of stranding patterns improves our ability to examine and sample carcasses and provides a foundation for understanding killer whale natural history, diet, reproduction, anthropogenic stressors, emerging diseases, and patterns of unusual mortality. We compiled published and unpublished killer whale stranding data to describe stranding patterns in the North Pacific Ocean. Between 1925 and 2011, 371 stranded killer whales were reported in Japan (20.4%), Russia (3.5%), Alaska (32.0%), British Columbia (27.4%), Washington (4.0%), Oregon (2.7%), California (5.1%), Mexico (3.8%), and Hawaii (0.8%). Strandings occurred at all times of year, but regionally specific seasonal differences were observed. Mortality and annual census data from Northern and Southern Resident populations were extrapolated to estimate that across the North Pacific, an average of 48 killer whales die annually. However, over the last two decades, an average of only 10 killer whale carcasses were recovered annually in this ocean, making each event a rare opportunity for study. Publication of a standardized killer whale necropsy protocol and dedicated funding facilitated the number of complete postmortem necropsies performed on stranded killer whales from 1.6% to 32.2% annually.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».