MétaCan
Menu
Retour à la cohorte
Enregistrement W2064557216 · doi:10.1021/es7024388

Size and Biomagnification: How Habitat Selection Explains Beluga Mercury Levels

2008· article· en· W2064557216 sur OpenAlexafffund
Lisa L. Loseto, Gary A. Stern, Steven H. Ferguson

Notice bibliographique

RevueEnvironmental Science & Technology · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensFisheries and Oceans CanadaUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaArcticNetUniversity of Winnipeg
Mots-clésBeluga WhaleBelugaBiomagnificationBiologyBioaccumulationPopulationMercury (programming language)Beaufort seaCetaceaFatty acidZoologyEcologyBiochemistryArctic

Résumé

récupéré en direct d'OpenAlex

Mercury (Hg) levels in the Beaufort Sea beluga (Delphinapterus leucas) population increased during the 1990s; levels have since declined but remain higher than the 1980s. The diet of this beluga population is not well-known, thus it is difficult to assess dietary Hg sources. During the summer, the Beaufort Sea belugas segregate by length, sex, and reproductive status corresponding to habitat use that may result in feeding differences and ultimately Hg uptake. To test this hypothesis, we examine beluga dietary variation using fatty acid profiles and determine which biological variables best predict diet Relationships between biological variables and fatty acids were further evaluated with stable isotopes and Hg concentrations in liver and muscle. Hg concentrations in muscle were better related to liver delta15N than muscle delta15N. Stable isotopes and fatty acids are compared in their ability to describe dietary Hg processes in beluga. Fatty acids provided support for influences of whale behavior on dietary Hg uptake, whereas stable isotopes inferred tissue Hg metabolic rates. Here, we show beluga length drives diet variability leading to differences in Hg uptake and biomagnification processes dominate beluga Hg levels over Hg bioaccumulation over time.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,526
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,006
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,233
Écart entre enseignants0,216 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations93
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetMercury impact and mitigation studiesTravaux en français237 207