Bibliometric Analysis of the Effects of Aquaculture on Mangrove Forests
Notice bibliographique
Résumé
Mangroves are coastal ecosystems that stand out for their biodiversity, carbon sequestration, and natural flood defences. These ecosystems face significant threats from human activities, particularly aquaculture. This research uses bibliometric techniques such as the evolution of scientific production, bibliographic coupling by country, and cooccurrence of keywords to identify trends, collaboration networks, and emerging research areas using the Scopus database, chosen for its broad coverage of high-quality academic journals and peer review. This analysis describes the evolution and trends in mangrove studies, covering environmental, social, and legal issues. The methodological process was divided into three stages: design and data collection strategy, filtering and validation of the literature, and quantitative analysis to identify trends and thematic evolutions. A total of 993 documents from 39 countries have been reviewed, with the main contributions coming from China, the United States, and Indonesia. The study identified four priority areas for the development of research and future trends on the following topics: a) evaluation of heavy metal pollution, b) blue carbon and its impact on climate change mitigation, c) conservation and protection strategies, d) the use of remote sensors and machine learning for monitoring mangrove loss. These approaches are crucial for conserving mangroves, improving understanding and response capacity to climate change, and contributing to Sustainable Development Goals, considering the socioeconomic value of these ecosystems.
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 | 0,002 | 0,012 |
| 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 ».