Stable Isotopes and Radiocarbon Assess Variable Importance of Plants and Fungi in Diets of Arctic Ground Squirrels
Notice bibliographique
Résumé
Arctic ground squirrels (Urocitellus parryii) rely primarily on dietary protein derived from plants to fuel gluconeogenesis during hibernation, yet fungal sporocarps may be an important, yet overlooked, protein source. Fungivory levels depend on sporocarp productivity, which varies with the dominant plant species and is higher on acidic than on non-acidic soils. To test whether these factors altered fungal consumption, we used stable isotopes to investigate arctic ground squirrel diets at two sites in northern Alaska, Toolik (primarily moist acidic tundra) and Atigun (primarily moist non-acidic tundra). Radiocarbon estimates can also indicate fungivory levels because ectomycorrhizal fungi assimilate soil-derived organic nitrogen whose 14C levels are higher than current photosynthesis. We measured radiocarbon in hair and δ13C and δ15N in hair, feces, ectomycorrhizal sporocarps, graminoids, and dicots. Feces were higher in δ13C and δ15N at Toolik than at Atigun, and fecal δ15N increased in August at Toolik, coincident with sporocarp production and fungal spores in feces. Mixing models indicated that graminoids contributed 64%, dicots 35%, and sporocarps 1% to Atigun hair protein, whereas graminoids contributed 37%, dicots 16%, and sporocarps 47% to Toolik hair protein. Acidic soils appeared to correlate with higher sporocarp production and fungivory at Toolik than at Atigun. Atigun hair resembled atmospheric CO2 in 14C, whereas Toolik hair had higher 14C, consistent with greater fungal consumption at Toolik. Late-season sporocarps may be a key protein source for some squirrels and may provide an integrated signal of the soil organic nitrogen assimilated by ectomycorrhizal fungi.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».