Using sulfur stable isotopes to assess mercury bioaccumulation and biomagnification in temperate lake food webs
Notice bibliographique
Résumé
Abstract Nitrogen and carbon stable isotopes (δ15N, δ13C) are commonly used to understand mercury (Hg) bioaccumulation and biomagnification in freshwater food webs. Though sulfur isotopes (δ34S) can distinguish between energy sources from the water column (aqueous sulfate) and from sediments to freshwater organisms, little is known about whether δ34S can help interpret variable Hg concentrations in aquatic species or food webs. Seven acidic lakes in Kejimkujik National Park (Nova Scotia, Canada) were sampled for biota, water, and sediments in 2009 and 2010. Fishes, zooplankton, and macroinvertebrates were analyzed for δ34S, δ15N, δ13C, and Hg (methyl Hg in invertebrates, total Hg in fishes); aqueous sulfate and profundal sediments were analyzed for δ34S. Within lakes, mean δ34S values in sediments and sulfate differed between 0.53‰ and 1.98‰, limiting their use as tracers of energy sources to the food webs. However, log-Hg and δ34S values were negatively related (slopes –0.14 to –0.35, R2 0.20–0.39, p < 0.001–0.01) through each food web, and slopes were significantly different among lakes (analysis of covariance, lake × δ34S interaction term p = 0.04). Despite these relationships, multiple regression analyses within each taxon showed that biotic Hg concentrations were generally better predicted by δ15N and/or δ13C. The results indicate that δ34S values are predictive of Hg concentrations in these food webs, although the mechanisms underlying these relationships warrant further study. Environ Toxicol Chem 2017;36:661–670. © 2016 SETAC
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».