Supplemental Data for: Projecting the Future of Freshwater Aquaculture in Egypt Under Climate and Socio-Economic Scenarios
Notice bibliographique
Résumé
Aquaculture is essential to Egypt’s food and nutrition security, contributing over 1.5 million tonnes of fish annually, approximately 80% of the country’s total fish production. However, the sector faces increasing risks from climate change and socio-economic transformations such as population growth, food demand, land-use dynamics, and governance shifts. Here, we adapt the GOMAP model for land-based systems to project aquaculture production potential (APP) under three Shared Socio-economic Pathways (SSP1-2.6, SSP2-4.5, SSP5-8.5) across five major governorates: Behera, Damietta, Kafr El-Sheikh, Ismailia and Port Said. Our analysis integrates species distribution models for key farmed fish species in Egypt, machine learning-based projections of pond water temperatures and the dietary demands of farmed species. Results indicate that under SSP1-2.6, most regions sustain or improve their APP through the 21st century, with governorates like Ismailia and Port Said maintaining 100% potential relative to the 2020s. In SSP2-4.5, however, APP becomes increasingly uneven; Behera and Kafr El-Sheikh decline by up to 79% and 74% respectively, by the 2090s, while Port Said and Ismailia retain higher resilience. Under SSP5-8.5, APP declines are most severe and widespread, especially for tilapia, with production potential falling below 50% in multiple regions by the end of the 21st century. Mullets and catfish show greater climate resilience across all scenarios. These findings highlight the urgent need for targeted adaptation strategies, including selective breeding, shading and aeration systems, and spatial reallocation to climatically stable regions. This modelling framework offers a valuable decision-support tool for ensuring sustainable and climate-resilient aquaculture development in Egypt.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,420 | 0,082 |
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 ».