Is lack of space a limiting factor for the development of aquaculture in EU coastal areas?
Notice bibliographique
Résumé
This study examines the spatial occupancy of marine finfish aquaculture in the European Union (EU), identifies geographical clusters and administrative areas where cage aquaculture development is particularly significant and provides evidence on the interactions between aquaculture and the touristic use of the coastline. Despite the increasing demand for seafood in the EU, its aquaculture is not expanding at the same rate ( FAO, 2014 ), and the low number of new licences issued in recent years is a clear sign of the difficulties of the sector to expand. In this study, Google Earth satellite images and GIS methods were used to map and analyse spatial properties of marine finfish aquaculture sites in the EU. The analysis covers ten member states (Cyprus, Spain, France, Greece, Croatia, Ireland, Italy, Malta, Slovenia, United Kingdom) representing around 95% of EU marine finfish aquaculture production by volume, and Turkey. The results indicate that existing marine aquaculture sites occupy around 230 hectares (ha) in Greece, and 34 ha in UK, which represent respectively 28% and 44% of EU marine finfish production by volume. Considering these very low figures of occupied surface, it is difficult to imagine that the expansion of marine aquaculture in the EU would be constrained by a lack of space in absolute terms. Limitations to growth may be better explained by the competition for space which takes place at the local level with more established coastal economic activities. To examine in particular the interactions with the touristic use of the coastline, the analysis considered the distribution of hotels around the aquaculture sites and found that there is evidence of strong negative spatial interaction up to a distance of 3 km. These quantitative findings corroborate more qualitative considerations on the conflicts affecting the establishment of marine aquaculture in specific coastal regions in USA , Canada, Australia and New Zealand described in the literature. Another contribution from this study lies in the identification and mapping of geographical clusters and local administrative units where aquaculture production is particularly significant. Since socio-economic data for the individual aquaculture sites in the EU are not easily accessible, the mapping of EU aquaculture clusters is the prerequisite for further research to understand the local enabling conditions apart from bio-physical conditions which favoured the expansion of aquaculture in specific areas and not in others and identifying examples of best practices for the governance of the sector.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».