MétaCan
Menu
Retour à la cohorte
Enregistrement W3106419566 · doi:10.3389/fevo.2020.579473

Sampling Plants and Malacofauna in 87Sr/86Sr Bioavailability Studies: Implications for Isoscape Mapping and Reconstructing of Past Mobility Patterns

2020· article· en· W3106419566 sur OpenAlexfundno aff
Kate Britton, Maël Le Corre, Malte Willmes, Ian Moffat, Rainer Grün, Marcello A. Mannino, Stephen Woodward, Klervia Jaouen

Notice bibliographique

RevueFrontiers in Ecology and Evolution · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRadioactive contamination and transfer
Établissements canadiensnon disponible
Organismes subventionnairesCentre National de la Recherche ScientifiqueSimon Fraser UniversityMax-Planck-GesellschaftUniversity of WollongongMax-Planck-Institut für Evolutionäre AnthropologieLeverhulme TrustUniversity of Pennsylvania
Mots-clésSampling (signal processing)Environmental scienceBioavailabilityPhysical geographyGeographyEcologyEarth scienceBiologyGeologyComputer scienceBioinformatics

Résumé

récupéré en direct d'OpenAlex

Establishing strontium isotope ( 87 Sr/ 86 Sr) geographical variability is a key component of any study that seeks to utilize strontium isotopes as tracers of provenance or mobility. Although lithological maps can provide a guideline, estimations of bioavailable 87 Sr/ 86 Sr are often necessary, both in qualitative estimates of local strontium isotope “catchments” and for informing/refining isoscape models. Local soils, plants and/or animal remains are commonly included in bioavailability studies, although consensus on what (and how extensively) to sample is lacking. In this study, 96 biological samples (plants and snails) were collected at 17 locations spanning 6 lithological units, within a region of south-west France and an area with a high concentration of Paleolithic archaeological sites. Sampling sites aligned with those from a previous study on soil bioavailable strontium, and comparison with these values, and the influence of environmental and anthropogenic variables, was explored. Data confirm a broad correspondence of plant and snail 87 Sr/ 86 Sr values with lithological unit/soil values, although the correlation between expected 87 Sr/ 86 Sr values from lithology and bioavailable 87 Sr/ 86 Sr ratios from biological samples was higher for plants than for snails. Grass, shrub and tree 87 Sr/ 86 Sr values were similar but grasses had a stronger relationship with topsoil values than trees, reflecting differences in root architecture. Variability in 87 Sr/ 86 Sr ratios from all plant samples was lower for sites located on homogeneous geological substrates than for those on heterogeneous substrates, such as granite. Among environmental and anthropogenic variables, only an effect of proximity to water was detected, with increased 87 Sr/ 86 Sr values in plants from sites close to rivers originating from radiogenic bedrock. The results highlight the importance of analyzing biological samples to complement, inform and refine strontium isoscape models. The sampling of plants rather than snails is recommended, including plants of varying root depth, and (if sample size is a limitation) to collect a greater number of samples from areas with heterogeneous geological substrates to improve the characterizations of those regions. Finally, we call for new experimental studies on the mineralized tissues of grazers, browsers, frugivores and/or tree leaf feeders to explore the influence of 87 Sr/ 86 Sr variability with soil profile/root architecture on 87 Sr/ 86 Sr values of locally-feeding fauna.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,022
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,032
Tête enseignante GPT0,260
Écart entre enseignants0,228 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations80
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Ecology and EvolutionMême sujetRadioactive contamination and transferTravaux en français237 207