Assessment of carrying capacity for bivalve mariculture in subtropical and tropical regions: the need for tailored management tools and guidelines
Notice bibliographique
Résumé
Abstract In a context of increasing global food demand, the aquaculture sector, and more particularly bivalve mariculture, has expanded significantly. While the impact of bivalve mariculture was initially overlooked, it is now widely recognized that this industry can significantly impact the ecosystem and its services. Carrying capacity assessment tools have been developed accordingly and have proved to be a useful and efficient aid for mariculture management. However, carrying capacity assessment tools have been mostly designed and implemented in developed temperate countries, while bivalve mariculture is mainly expanding today in tropical and subtropical zones. To what extent the existing carrying capacity assessment tools are suited for use in tropical and subtropical regions has received little attention, and thus constitutes a major issue. The present review aims to fill this gap and highlights the key points to consider for the carrying capacity assessment of bivalve mariculture in tropical and subtropical regions. In line with the requirements for the sustainable development of human activities, and increasing recognition of the need for better integration of social aspects in the management processes, carrying capacity assessment should be undertaken in a more holistic way. Thus, the social, economic and environmental aspects are taken into account in our analysis. A step‐process plan for the sustainable management of bivalve mariculture in tropical and subtropical countries, through the assessment of carrying capacity, is proposed and discussed to offer guidance for managers.
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) | 0,001 | 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 ».