Highlights of the 2022 International Year of the Salmon Pan–Pacific Winter Expedition
Notice bibliographique
Résumé
During February–April, 2022, an international fleet of five ships from the U.S., Canada, and Russia conducted a coordinated survey of Pacific salmon high seas habitats across 2.5 million km2 of the North Pacific Ocean. The goal was to document use of pelagic habitats by salmon during winter to understand factors regulating salmon survival. Across all ships, 2,364 Pacific salmon (Oncorhynchus spp.) and steelhead trout (O. mykiss) were caught using surface trawls, gill nets, and longlines. Sockeye salmon (O. nerka), were the most abundant salmonid, followed by chum (O. keta), pink (O. gorbuscha), coho (O. kisutch), and Chinook (O. tshawytscha) salmon; steelhead trout were extremely surface-oriented and only caught with gill nets. Other commonly caught taxa included myctophids, gonatid squids, and jellyfish. Salmon showed species-specific patterns in many metrics, such as distributions and diets. Genetic data indicated that salmon originated from around the Pacific Rim and multiple stocks were typically caught together. Preliminary results from the 2022 expedition, combined with results from winter expeditions in 2019 and 2020 and historic data, begin to fill key knowledge gaps about salmon winter distributions and the pelagic ecosystems that support salmon on the high seas.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,005 |
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 ».