MétaCan
Menu
Retour à la cohorte
Enregistrement W4417101052 · doi:10.1111/fwb.70140

Constructing Isoscapes of <scp> δ <sup>13</sup> C </scp> , <scp> δ <sup>15</sup> N </scp> and <scp> δ <sup>34</sup> S </scp> Baselines Within a River System: A Spatial Stream Network Modelling Approach

2025· article· en· W4417101052 sur OpenAlexaff
Selina Al‐Nazzal, Aaron T. Fisk, Marisa T. ValeCruz, Reid G. Swanson, Peter B. McIntyre, Gregory R. Jacobs

Notice bibliographique

RevueFreshwater Biology · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueIsotope Analysis in Ecology
Établissements canadiensUniversity of Windsor
Organismes subventionnairesU.S. Geological SurveyU.S. Fish and Wildlife ServiceU.S. Army Corps of EngineersMichigan Department of Natural ResourcesGreat Lakes Fishery Commission
Mots-clésFood webTrophic levelInvertebrateSpatial ecologySpatial variabilityEcosystemStable isotope ratioIsotope analysis

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Stable isotopes of carbon (δ 13 C), nitrogen (δ 15 N), and sulphur (δ 34 S) provide insights into freshwater food webs, but spatial variation in values of organisms at lower trophic levels often complicate interpretations. This is especially true in river ecosystems, in which hierarchical networks, directional flows, and aquatic‐terrestrial linkages shape the ecosystem processes that determine the isotopic composition of bioavailable molecules at the base of food webs. To advance understanding of spatial variation in these natural tracers at or near the base of river food webs, we fit predictive spatial models relating the δ 13 C, δ 15 N and δ 34 S of epibenthic biofilms and macroinvertebrate taxa to landscape variables within a north‐temperate river ecosystem. Stable isotope ratios were determined in biofilms (δ 15 N and δ 13 C) and three macroinvertebrate taxa (δ 15 N, δ 13 C and δ 34 S) commonly used as baselines for isotopic food web analyses (heptageniid mayflies, hydrobiid snails, amphipod crustaceans) across 30 sites in the Boardman/Ottaway River (BOR), Michigan, USA, in the spring of 2022. Spatial stream network implementations of linear mixed‐effects regression models (SSNLMM) were used to estimate land cover covariation with the isotopic composition of biofilms (δ 13 C and δ 15 N) and macroinvertebrates (δ 13 C, δ 15 N and δ 34 S), and to generate isoscapes for each element across the river network. Spatial patterns in δ 13 C and δ 34 S were similar across macroinvertebrate taxa, whereas biofilm and macroinvertebrates differed substantially in δ 13 C. Patterns in δ 15 N were less consistent, associated most often with forest, wetland, and crop land covers. However, spatial and aspatial errors generally accounted for more variance than fixed effects. Variation in δ 15 N was 2‰–6‰ in biofilms and 2‰–9‰ in macroinvertebrate taxa, indicating that these macroinvertebrates are primary consumers or detritivores. Isoscapes predicted higher δ 13 C for biofilms (−28‰ to −17‰) than for macroinvertebrates (−39‰ to −25‰), indicating that macroinvertebrates consumed non‐biofilm food resources, although the difference between macroinvertebrate and biofilm δ 13 C varied across the river system. Isoscapes predicted variation in Heptageniidae δ 34 S from −5‰ to 0‰, although predictive performance was weak, possibly due to small sample size. These mayflies were strongly 13 C‐depleted relative to biofilms and to the expected δ 13 C of terrestrial inputs in areas of the BOR that also tended to be less 34 S‐depleted, suggesting the assimilation of material produced via an alternative energy flow pathway. SSNLMMs provided novel insights into the type and strength of land cover drivers of δ 13 C, δ 15 N and δ 34 S at fine spatial scales for basal food web taxa in temperate rivers. Together, isoscape maps and inferences about landscape influences help explain spatial and taxonomic variation in isotope baselines, facilitating the assessment of river food web responses to environmental change.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,308
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,003
Communication savante0,0000,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,010
Tête enseignante GPT0,211
Écart entre enseignants0,201 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFreshwater BiologyMême sujetIsotope Analysis in EcologyTravaux en français237 207