Enough is Enough, or More is More? Testing the Influence of Foraminiferal Count Size on Reconstructions of Paleo-Marsh Elevation
Notice bibliographique
Résumé
ABSTRACT Salt-marsh foraminifera are sea-level proxies used to quantitatively reconstruct Holocene paleo-marsh elevations (PME) and subsequently relative sea level (RSL). The reliability of these reconstructions is partly dependent upon counting enough foraminifera to accurately characterize assemblages, while counting fewer tests allows more samples to be processed. We test the influence of count size on PME reconstructions by repeatedly subsampling foraminiferal assemblages preserved in a core of salt-marsh peat (from Newfoundland, Canada) with unusually large counts (up to 1595). Application of a single, weighted-averaging transfer function developed from a regional-scale modern training set to these ecologically-plausible simulated assemblages generated PME reconstructions at count sizes of 10–700. Reconstructed PMEs stabilize at counts sizes greater than ∼50 and counts exceeding ∼250 tests show little return for the additional time invested. The absence of some rare taxa in low counts is unlikely to markedly influence results from weighted-averaging transfer functions. Subsampling of modern foraminifera indicates that cross-validated transfer function performance shows only modest improvement when more than ∼40 foraminifera are counted. Studies seeking to understand multi-meter and millennial scale RSL trends should count more than ∼50 tests. The precision sought by studies aiming to resolve decimeter- and decadal-scale RSL variability is best achieved with counts greater than ∼75. In most studies seeking to reconstruct PME, effort is more productively allocated by counting relatively fewer foraminifera in more core samples than in counting large numbers of individuals. Target count sizes of 100–300 in existing studies are likely conservative and robust. Given the low diversity of salt-marsh foraminiferal assemblages, our results are likely applicable throughout and beyond northeastern North America.
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 | 0,011 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».