Aquaculture in coastal urbanized areas: A comparative review of the challenges posed by Harmful Algal Blooms
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
Increasing global population has resulted in increased urbanization of coastal areas across the globe. Such an increase generates many challenges for sustainable food production and food security. The development of aquaculture has proven to be an extremely good option to ensure food security (uninterrupted supply and good quality of food) by many countries, especially those with urban areas affected by space limitations such as Singapore. However, the implementation of aquaculture is not without its challenges and impacts to the environment, with Harmful Algal Blooms (HABs) being one of the major concerns in coastal waters. In this review we analyze the development of the aquaculture industry with respect to HABs in Singapore and compare it to similar urban areas such as Hong Kong (SAR China), Salalah (Oman), Cape Town (South Africa), Valencia (Spain), Rotterdam (The Netherlands), Tampa bay (USA), Vancouver (Canada), and Sydney (Australia). Along with HABs, the abovementioned urban areas face different challenges in sustainably increasing their aquaculture production with respect to the economy and geography. This review further assesses the different production and monitoring strategies that have been implemented to counter these challenges while sustainably increasing production. The ongoing COVID-19 pandemic has affected the world with lockdowns and border closures resulting in logistical difficulties in seafood trade which has further accentuated the dependencies on food import. We conclude that the challenges faced by urban areas for sustainable achievement of food security through development of the aquaculture industry can be effectively managed through proper planning, management and collaboration of knowledge/skills on an international level.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,006 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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