Global reduction fisheries and their products in the context of sustainable limits
Notice bibliographique
Résumé
Abstract Globally, one‐sixth of landings from marine capture fisheries are destined for the production of fishmeal and fish oil ( FMFO ), which are currently overwhelming utilized by fed aquaculture. Many different species are used globally for the production of FMFO , but little concern has been given to the divergent environmental and ecological impacts of FMFO products based on species, ecosystem and fishing gear used in their capture. We evaluated the variable environmental performance of FMFO products from a wide range of fisheries whose products are either primarily intended for reduction or whose by‐products are redirected to reduction. Assessed fisheries accounted for 44% of global reduction fishery landings in 2014. Analysis was conducted on the basis of two measures: the carbon footprint (i.e., greenhouse gas [GHG] emissions) and the marine footprint (i.e., primary production required [PPR]). We found large differences between the impacts of FMFO products across the 18 reduction fisheries examined. Cumulatively, we estimate that reduction fisheries emitted 4.6 million tonnes of CO 2 ‐e GHGs in 2014, and appropriated over 4% of primary production in some ecosystems, demonstrating a non‐trivial impact. As demand for aquafeeds grow, the sustainable sourcing of raw material inputs will be of great importance. Results here suggest that the source of FMFO inputs can have dramatic effects on the environmental performance of fish feeds and fed aquaculture. We recommend further research on the environmental and ecological impacts of food production systems, and specifically to understand these results in relation to global production and sustainable boundaries.
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 | 0,000 | 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».