MétaCan
Menu
Retour à la cohorte
Enregistrement W4393762256 · doi:10.5281/zenodo.6538917

Global nutrient cycling by commercially targeted marine fish (Le Mézo et al., 2022, Biogeosciences)

2022· dataset· en· W4393762256 sur OpenAlexaff
Le Mézo Priscilla, Guiet Jérôme, Kim Scherrer, Daniele Bianchi, Eric D. Galbraith

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2022
Typedataset
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAquaculture Nutrition and Growth
Établissements canadiensMcGill University
Organismes subventionnairesAgence Nationale de la RechercheEuropean Commission
Mots-clésCyclingFish <Actinopterygii>Nutrient cycleMarine fishEnvironmental scienceNutrientFisheryBiologyEcologyGeographyForestry

Résumé

récupéré en direct d'OpenAlex

Model outputs and code used for the study "Global nutrient cycling by commercially targeted marine fish" published in Biogeosciences (Le Mézo et al., 2022). composite4b_cycling_MCV3_PotH_LME_2010_R2_2010_fNPP7_ks24_p50_c7_newFNPP_Online_nruns_31 = model outputs with composite.maps contains the 2D fields y200 refers to fields at the pristine state and yglo to fields at the global peak catch. dfish is the fish biomass in wet weight per gram (size class) resp5 is the cycling rate that was used in the paper (defined in the Methods section) Main_script.mlx = main code used to compute the nutrient content and cycling of fish and the comparisons with other fields size_bins_width.m = code used to compute the model size bin width data_annual.mat = NO3, PO4, NPP, C export fields composite_MCV3_PotH_LME_2010_R2_2010_fNPP7_ks24_p50_c7_newFNPP_Online_nruns_31.mat is the model outputs with cyc.composite.maps.yglo.mean.harvest being the catch field at global peak catch solublefraction_Mahowald2009_360x180.nc is the Fe deposition field Brahneyetal2015_nitrogenandphosphorus2x2annualdep_360x180.nc is the N deposition field mask_LME.mat is the mask of LME areas ocean_topaz_tracers.timmean.BOATS_grid_fed.nc is the modeled dissolved Fe concentrations in seawater by the TOPAZ model zeu_lee_modis_aqua_average_2002-2019.nc is the euphotic depth field used to compute the nutrient concentrations woa05_nitrate_month.nc is the NO3 field used to make the spatial interpolations of the Fe:C stoichiometric ratios. mass_50sizes_boats.mat is the mass of each size class of the BOATS model Tables S2 and S3.xlsx litterature compilation of values for N and P in fish and zooplankton Galbraith et al (2019) SI.pdf is the supplement to Galbraith et al. (2019) in which the data compilation for the Fe content of fish, zooplankton and phytoplankton can be found.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
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 enseignants0,093
Score d'incertitude au seuil0,242

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0720,032

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 Opus0,021
Tête enseignante GPT0,238
Écart entre enseignants0,217 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetAquaculture Nutrition and GrowthTravaux en français237 207