Why aquatic scientists should use sulfur stable isotope ratios (ẟ34S) more often
Notice bibliographique
Résumé
S) due to time, cost, or perceived lack of benefits and instrumentation capabilities. Using just carbon and nitrogen isotopic ratios can produce results that are inconclusive, uncertain, or in the worst cases, even misleading, especially for scientists that are new to the use and interpretation of stable isotope data. Using sulfur isotope values more regularly has the potential to mitigate these issues, especially given recent advancements that have lowered measurement barriers. Here we provide a review documenting case studies with real-world data, re-analysing different biological topics (i.e. niche, physiology, diet, movement and bioarchaeology) with and without sulfur isotopes to highlight the various strengths of this stable isotope for various applications. We also include a preliminary meta-analysis of the trophic discrimination factor (TDF) for sulfur isotopes, which suggest small (mean -0.4 ± 1.7 ‰ SD) but taxa-dependent mean trophic discrimination. Each case study demonstrates how the exclusion of sulfur comes at the detriment of the results, often leading to very different outputs, or missing valuable discoveries entirely. Given that studies relying on carbon and nitrogen stable isotopes currently underpin most of our understanding of various ecological processes, this has concerning implications. Collectively, these examples strongly suggest that researchers planning to use carbon and nitrogen stable isotopes for their research should incorporate sulfur where possible, and that the new 'default' isotope systems for aquatic science should now be carbon, nitrogen, and sulfur.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».