Moving marine aquaculture towards the Regenerative Blue Economy framework
Notice bibliographique
Résumé
The target 3 of the Kunming-Montreal Global Biodiversity Framework emphasizes the need for innovative approaches in coastal areas to achieve marine ecosystem conservation and food security while promoting inclusivity for coastal populations. For the aquaculture sector, representing more than 50 percent of the seafood produced in the world (FAO, 2024), there is an urgent need to enhance the sustainability of marine aquaculture systems often seen as negatively impacting marine biodiversity and social tensions in coastal communities. This study proposes a transition towards ocean-positive aquaculture practices that not only minimize environmental impacts, but also support marine and coastal ecosystem functions and ensure equitable access to resources and benefits for local communities.The research examines the Regenerative Blue Economy (RBE) framework as a comprehensive approach to achieve these goals (Le Gouvello & Simard, 2024). The RBE principles are analyzed with related concepts which emphasize enhancing the resilience of food systems against environmental changes and supporting small-scale actors and coastal communities such as: restorative aquaculture (Alleway et al., 2023), regenerative aquaculture (Mizuta et al., 2023), ecological aquaculture, marine permaculture (Spillias et al., 2024), aquaculture as a Nature-based Solution (Le Gouvello et al., 2023) and a more inclusivity in the aquaculture sector (Brugere et al., 2023).The study identifies key indicators to guide aquaculture development policy and practices towards the RBE framework, focusing on improving the understanding of aquatic foods' roles in food security and nutrition, and addressing safety concerns related to ocean-based food systems. The relevance of this approach is demonstrated through a case study in a community-managed marine protected area in Senegal, where clam production initiatives empower women and enhance local food sovereignty.By fostering transgenerational access to aquatic foods and integrating Indigenous knowledge, this research contributes to the development of equitable and sustainable marine aquaculture practices. The findings highlight synergies with marine conservation tools, such as Marine Protected Areas and other effective conservation measures (Le Gouvello et al., 2017). Recommendations for policymakers are presented, emphasizing strategies to transition marine aquaculture systems towards a regenerative model that supports a sustainable future for ocean-based foods.Alleway, H. K., et al. (2023). doi.org/10.1111/csp2.12982Brugere, C., et al. (2023). doi.org/10.1111/jwas.12959FAO. (2024). doi.org/10.4060/cd0683enLe Gouvello, R., et al. (2023). doi.org/10.3389/fmars.2023.1146637Le Gouvello, R., et al. (2017). doi.org/10.1002/aqc.2821Le Gouvello, R., & Simard, F. (2024). https://portals.iucn.org/library/node/51442Mizuta, D. D., et al. (2023). doi.org/10.1111/raq.12706Spillias, S., et al. (2024). doi.org/10.1016/j.oneear.2024.01.012
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,013 |
| Communication savante | 0,011 | 0,008 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».