2月13日，康斯特大学在《Scientific Reports》上发表题为“Polynomial modelling of high-quality yet incomplete rare earth element data sets and a holistic assessment of REE anomalies”的论文，报道高质量但不完整稀土元素数据集的多项式建模以及稀土元素异常的综合评估。
稀土元素（REEs）在许多（生物）地球化学研究中是强大的示踪剂。解读稀土元素数据时，通常依赖于标准化的稀土元素模式以及对异常情况的量化分析，而这一过程需要完整的数据支持。由于这些方法未能提供完整的数据，早期通过中子活化法或同位素稀释法测定的高质量稀土元素数据常常被忽视，现代分析数据也可能由于定量限制、干扰或使用稀土元素加标而缺乏某些稀土元素。然而，在样本材料耗尽、样本位置无法进入，或者样本代表着动态自然系统的过往状态等情况下，这些数据或许就是唯一能够获取的信息了。所以，能够对这类高质量数据进行填补和完善，对于诸多地球科学子学科而言，无疑具有极为重要的价值。
研究人员采用多项式建模方法来填补缺失的稀土元素数据，并借助一个大型数据集（包含超过13,000个样本，来自PetDB）来验证该方法的可行性，同时对三个最初不完整的稀土元素数据集进行了补充和完善。结果显示，该方法的拟合效果良好，标准差小于6%，并且通过蒙特卡洛模拟对模型的不确定性进行了评估，其不确定性范围为±12%。除此之外，研究人员提供了一套量化稀土元素异常（包括不确定性）的程序，以往这类数据往往未能得到准确测定，但它们对于不同数据集之间稀土元素异常数据的科学比较至关重要。
