Use of lumpfish for sea‐lice control in salmon farming: challenges and opportunities
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Efficient sea‐lice control remains one of the most important challenges for the salmon farming industry. The use of wrasse (Labridae) as cleaner fish offers an alternative to medicines for sea‐lice control, but wrasse tend to become inactive in winter. Lumpfish ( Cyclopterus lumpus ) continue to feed on sea‐lice at low temperatures, and commercial production has escalated from thousands of fish in 2010 to well over 30 million juveniles deployed in 2016. However, production still relies on the capture of wild broodstock, which may not be sustainable. To meet global industry needs, lumpfish production needs to increase to reach c. 50 million fish annually and this can only come from aquaculture. We review current production methods and the use of lumpfish in sea cages and identify some of the main challenges and bottlenecks facing lumpfish intensification. Our gap analysis indicates that the areas in most need of research include better control of maturation for year‐round production; formulation of appropriate diets; artificial selection of elite lines with desirable traits; and development of vaccines for certified, disease‐free juvenile production. The welfare of farmed lumpfish also needs to be better quantified, and more information is needed on optimal densities and tank design. Finally, the risk of farmed lumpfish escaping from net pens needs to be critically assessed, and we argue that it might be beneficial to recover cleaner fish from salmon cages after the production cycle, perhaps using them as broodstock, for export to the Asian food markets or for the production of animal feeds.
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.
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 | 0,000 | 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 découle