Research needs for the management of water quality issues, particularly phosphorus and oxygen concentrations, related to salmonid cage aquaculture in Canadian freshwaters
Notice bibliographique
Résumé
A growing awareness of the difference between the supply and demand for fish products is fueling rapid growth of an aquaculture industry in Canada, including a freshwater sector, based mainly on the cage farming of rainbow trout. Cage farms can release relatively large loads of organic matter and nutrients to the environment. In consequence, federal and provincial resource management agencies need to develop regulatory instruments that will foster the growth of the industry while ensuring minimal water quality impacts. Such instruments should be science based, but there are currently key gaps in our understanding of the water quality implications of the operations of freshwater cage aquaculture. Here I review the state of science of the water quality implications of cage aquaculture and identify 11 knowledge gaps that currently hamper the development of sound, science-based cage culture management instruments. Perhaps the most important finding of the review is the recognition that, while aquaculture has produced significant increases in lakewater total phosphorus (TP) levels in some situations, classic phosphorus mass balance models may substantially overestimate the contributions of cage farms to TP concentrations in some lakes. Research on this, and perhaps the other knowledge gaps identified in this review, should aid the development of sound management instruments for freshwater cage aquaculture in Canada and elsewhere. Key words: aquaculture, cage culture, water quality issues, phosphorus, BOD, review, research needs, freshwaters.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».