Opportunities and challenges for Canada’s mariculture under climate change: a regional and sectoral outlook
Notice bibliographique
Résumé
Mariculture is an important component of the seafood industry in Canada, but climate change presents both risks and opportunities. Using the Global Mariculture Production Model (GOMAP), an integrated framework that projects production potential under combined biophysical and socio-economic constraints, we assessed future changes in mariculture production, farm-gate prices, and employment for 13 key species across Canada’s Atlantic and Pacific coasts. Scenarios included two climate pathways (SSP1-2.6 and SSP5-8.5) and three production approaches. Results show substantial regional contracts with important implications for spatial planning and adaptation policy. The Atlantic region shows modest gains under SSP1-2.6 but steep declines under SSP5-8.5 due to climate stress and habitat loss. In contrast, Pacific Canada, particularly central and northern areas, shows strong growth potential under SSP5-8.5, driven by climate-resilient species like Coho salmon and steelhead trout. However, these gains depend on policy, infrastructure, and spatial planning that reconcile mariculture expansion with conservation, Indigenous uses, and other priorities. Rising farm-gate prices may benefit producers but threaten affordability while employment outcomes diverge, with consistent job losses in Atlantic Canada but potential gains in the Pacific. Our findings highlight the need for region-specific adaptation strategies and investment in sustainable and resilient farming systems.
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 | 0,000 | 0,000 |
| 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 ».