Trace metal accumulation as complementary dietary information for the isotopic analysis of complex food webs
Notice bibliographique
Résumé
Summary Food web structure is a fundamental feature of ecosystems. Stable isotopes (δ15N and δ13C) are used to estimate the relative contribution of food sources to consumer's diets (e.g. mixing models). In complex food webs, the use of δ15N and δ13C measurements cannot always solve trophic interactions and distinguish among aquatic organisms with different feeding habits if little intra‐ and interspecific isotopic differentiation occurs. We have developed a method to characterize trophic relationships using Bayesian stable isotope mixing models in combination with trace metal data as prior information. Trace metal information is useful because of the high correspondence between trace metal profiles in consumers and their food sources, as we show here in an example of concentrations of fish and their expected dietary items. Trace metal concentration allows a more accurate estimation of relative contributions of food sources to consumer species compared to estimates based only on stable isotope values. We show the improvement of the procedure using four freshwater fish species with well‐known feeding habits. The method provides a better estimation of the inter‐ and intraspecific dietary variability and correspondence with the feeding habits of these species. The approach described shows a considerable potential as a tool to assess trophic links in situations in which stable isotope methods are not conclusive. The method can be applied using other compounds that bioaccumulate in consumers (e.g. persistent organic pollutants).
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 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 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 ».