MétaCan
Menu
Retour à la cohorte
Enregistrement W2554944435 · doi:10.1021/acs.est.6b05458

Origin of Sulfur in Diet Drives Spatial and Temporal Mercury Trends in Seabird Eggs From Pacific Canada 1968–2015

2016· article· en· W2554944435 sur OpenAlexafffundabout
Kyle H. Elliott, John E. Elliott

Notice bibliographique

RevueEnvironmental Science & Technology · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensEnvironment and Climate Change CanadaMcGill University
Organismes subventionnairesEnvironment CanadaCanada Research ChairsGovernment of Canada
Mots-clésSeabirdTrophic levelFood webδ34SPredationMercury (programming language)MethylmercuryEcologyδ15NIsotope analysisBiologyZoologyStable isotope ratioBioaccumulationδ13C

Résumé

récupéré en direct d'OpenAlex

Mercury (Hg) is a neurotoxin that can be particularly harmful to top predators because it biomagnifies through the food web. Due to variation in the food web structure, variation in Hg exposure in predators may represent variation in diet rather than Hg availability. We measured Hg in eggs from six seabird species ( N = 537) over 47 years. In contrast to expectation, storm-petrels feeding partially on invertebrates had the highest Hg burden while herons feeding on large fish had the lowest Hg burden. A multiple regression showed that Hg correlated with δ 34 S ( R 2 = 0.86) rather than trophic level (δ 15 N of “trophic” amino acids). Sulfate-rich environments (high δ 34 S) have sulfate-reducing bacteria that produce methylmercury. Variation in Hg within and among seabirds near the top of the food web was associated with variation in δ 34 S at the base of the food web more so than trophic position within the food web. Hg levels in seabirds only changed over time for those species where δ 34 S also varied in tandem; after accounting for diet (δ 34 S), there was no variation in Hg levels. Variation in Hg in seabirds across space and time was associated with the origin of sulfur in the diet.

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, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,198
Score d'incertitude au seuil1,000

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 technologies0,0000,003
Communication savante0,0000,000
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 Opus0,008
Tête enseignante GPT0,240
Écart entre enseignants0,232 · 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

Citations67
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

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