Indicators for ecological carrying capacity of bivalve and seaweed aquaculture
Notice bibliographique
Résumé
Abstract Within the framework of Ecosystem Approach to Aquaculture (EAA), ecological carrying capacity (ECC) is a key concept that helps to determine the upper limit of production without compromising ecosystem functioning. The implementation of ECC is complex as ECC differs between type of farms and location and standardised methods should be developed for management. There is therefore a clear need for operational indicators. The objectives of this paper were: (1) to carry out a systematic literature review on shellfish and seaweed aquaculture‐environment interactions to list the most used environmental indicators, (2) to classify the indicators according to the effects they measure (i.e., benthic, water quality, food web interactions, cultured organism health, resource use) and the scale at which they are applied, and (3) to assess their potential based on four indicator criteria categories: sensitivity, accuracy and precision, feasibility and utility, and ecosystem‐level scalability. Overall, indicators describing benthic effects were the most highly cited and scored. Indicators identified for bivalve and seaweed culture were discussed and compared to previous work on salmon aquaculture indicators to highlight similarities and differences across trophic levels. In addition, questions related to the challenges of ECC indicators implementation were presented to a panel of experts. The scoring and consultation provided the source of discussion on environmental management consistent with EAA.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».