GROWTH OF <em>SACCHARINA LATISSIMA</em> IN AQUACULTURE SYSTEMS MODELED USING DYNAMIC ENERGY BUDGET THEORY
Notice bibliographique
Résumé
Aquaculture is an industry with the capacity for further growth that can sustainably feed an increasing human population. Sugar kelp (Saccharina latissima) is of particular interest for farmers as a fast-growing species that benefits ecosystems. However, as a new industry in the U.S., farmers interested in growing S. latissima lack data on growth dynamics. To address this gap, we calibrated a Dynamic Energy Budget (DEB) model to data from the literature and a 2-year growth experiment in Rhode Island (U.S.). Environmental variables forcing model dynamics included temperature, irradiance, dissolved inorganic carbon (DIC) concentration, and nitrate and ammonium concentration. The modeled final estimate for S. latissima blade length (cm) was reasonably accurate despite underestimation of early season growth. Carbon limited winter growth due to a low modeled specific relaxation rate (i.e. the light-dependent reactions of photosynthesis) for some model runs; other model runs displayed nitrogen limitation which occasionally led to length overestimation and underestimation due to the degree of interpolation necessary from the field data. The model usage, however, is restricted to S. latissima grown in an aquaculture setting because of assumptions made about tissue loss, summer growth patterns, and reproduction. The results indicate that our mechanistic model for S. latissima captures growth dynamics and blade length at the time of harvest, thus it could be used for spatial predictions of kelp aquaculture production across a range of environmental conditions. The model could be a particularly useful tool for further development of sustainable ocean food production systems in the U.S. involving seaweed.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».