FISH AS FOOD: PROJECTIONS TO 2020 UNDER DIFFERENT SCENARIOS
Notice bibliographique
Résumé
This paper reports results of incorporating fish into IMPACT, a global model of food supply and demand that estimates market-clearing prices to 2020 for 32 commodities in 36 regions. It summarizes results for production, consumption, net exports and real price changes for 10 economic categories of fisheries items, disaggregated into 15 geographic regions of the world. Under the medium-variant scenario for the uncertain capture fisheries sectors, global production of food fish is projected to rise by 1.5% annually through 2020, with two-thirds of this from aquaculture, whose share in total food fish production rises to 41%. Global per capita fish consumption is projected to be 17.1 kg in 2020, with sensitivity analysis indicating a margin of 2 kg/capita either way based on extreme scenarios for capture and aquaculture. Most growth will occur in developing countries, which will account for 79% of food fish production in 2020. China's share of world production will continue to expand, while that of Japan, the EU, and former USSR will continue to contract. Real fish prices will rise 4 to 16% by 2020, while meat prices will fall 3%. Fishmeal and oil prices will rise 18%; use of these commodities will increasingly be concentrated in carnivorous aquaculture. Growing domestic demand will dampen fish exports from developing countries. Sensitivity analysis incorporating a very pessimistic view of capture fisheries leads to escalating food fish prices (+69% for high-value finfish) and soaring fishmeal prices (+134%), whereas an optimistic view of increased investment in aquaculture lowers real prices of low value food fish (-12%), and raises fishmeal prices (+42%).
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 | 0,000 |
| 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) | 0,005 | 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 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 ».