Rethinking material use in low-trophic aquaculture: A global review
Notice bibliographique
Résumé
Low-trophic aquaculture (LTA), including seaweed and bivalve farming, is often promoted as an environmentally sustainable food production system due to its low input requirements and potential ecological benefits. However, this sustainability narrative is increasingly undermined by the pervasive use of plastic-based gear. This systematic review of 1,768 peer-reviewed publications (2003–2024) reveals that synthetic polymers remain the dominant material in LTA infrastructure, contributing to marine litter, microplastic pollution, and long-term ecological degradation. Although one-third of studies mentioned farming gear, only 6 % (n = 108) disclosed the material composition, indicating a critical gap in sustainability reporting. Among these, over 70 % referenced conventional plastics such as polyethylene, polypropylene, and nylon. Regional and species-level differences emerged: natural materials were more frequently reported in Asian seaweed farming, whereas non-Asian studies were more likely to explore biodegradable or bio-based alternatives. Nevertheless, plastics remained prevalent across all contexts, particularly in bivalve systems (up to 88.2 % in Asia). Sentiment analysis of abstracts revealed regional differences in research framing, with Asian studies adopting a more pragmatic tone and non-Asian studies engaging more critically with environmental issues. These findings underscore the urgent need to address plastic dependence in LTA and promote scalable, regionally tailored alternatives through improved policy, reporting, and innovation pathways. • Most low-trophic aquaculture (LTA) systems still rely heavily on plastic gear. • Only 6 % of sustainability and farming studies mention gear material in abstracts. • Asia leads in production but lags in sustainable gear research. • Abstract tone differs by region, with more critical reflection outside Asia. • Sustainable alternatives exist but need policy and industry support to scale.
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 | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,011 | 0,014 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».