Socio-environmental mapping for the prediction of aquaculture success of Pacu (<i>Colossoma</i> spp.<i>, Piaractus</i> spp., and hybrids) in the Bolivian Amazon
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
Tropical aquaculture has great potential to contribute to Bolivia's food security and rural livelihoods. However, despite substantial development in neighboring countries, growth of the sector has been slow and intermittent in Bolivia. One of the key limitations to effective growth is an inadequate knowledge of the aquaculture potential for its expansion. The development of a predictive tool for aquaculture propensity in the Bolivian Amazon (708,482.4 km2) for pond culture of native “pacu” (Colossoma macropomum, Piaractus spp., and their hybrids) is described. This tool includes environmental variables (water availability, temperature, flooding, and soil type) and accessibility variables (market, food and fingerling suppliers, technical assistance), that were assigned weights and thresholds through advice from experts and producers to create suitability levels pacu fish culture. Spatial modeling generated a raster map of 900 m resolution, mapping specific suitability levels. The resulting suitability map was subjected to a sensitivity analysis, to check for undue influence of individual variables. Finally, the predictive map was compared to actual fish pond distribution, resulting in an accuracy of 85.6%. This validation process indicates that the resulting tool can be used with confidence in identifying promising areas for pacu aquaculture in the Bolivian Amazon. The model can also be refined in the future with new variables as these become available with new research, such as predictions of economic performance.
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 | 0,001 | 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 | 0,002 |
| 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