Quantification of fish littoral carbon use and trophic position using stable isotopes: an empirical comparison of equations using freshwater lakes
Notice bibliographique
Résumé
Stable isotope analysis is a widely used to quantify the flow of energy, nutrients, and biomass through aquatic food webs, where values of carbon (13C) and nitrogen (15N) have been used to estimate littoral carbon use (LCU) and trophic position (TP) in lentic ecosystems, respectively. Standardizing stable isotope values with these metrics allows for comparison across different systems and time scales; however, several equations to quantify LCU and TP have been introduced with little guidance on the bias and limitations of each equation, or how and when different equations should be used. Here, we provide recommendations on the appropriate use of LCU and TP equations in freshwater ecosystems based on our analysis of case studies using five fish species common to the study lakes. We address three common challenges of ecosystem variability, namely (1) temporal, (2) spatial, and (3) differing rates of tissue turnover between study and baseline organisms. We begin with a relatively simple case study (Parry Sound) then explored challenges around spatial (Lake Erie) and temporal (Canoe Lake) variation, and the use of multiple fish tissue types (Canoe Lake). We found LCU and TP estimates to be highly variable and dependent on the equation used. High percentages of individual fish exhibited unrealistic LCU values, and the equation of LCU used had a large effect on calculated TP values. We found relative littoral carbon use (LCUR) produces the most consistent TP estimate, avoiding extreme values while reflecting the natural variability of the system. We propose a framework for calculating LCU and TP, allowing researchers to produce the least amount of bias relative to the known feeding ecology of study species while making estimates comparable across systems. Based on our case studies, we have developed a decision tree to guide researchers in estimating LCU and TP in freshwater ecosystems.
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 | 0,008 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».