Modelling coupled human–environment complexity for the future of the biosphere: strengths, gaps and promising directions
Notice bibliographique
Résumé
Humans and the environment form a single complex system where humans not only influence ecosystems but also react to them. Despite this, there are far fewer coupled human-environment system (CHES) mathematical models than models of uncoupled ecosystems. We argue that these coupled models are essential to understand the impacts of social interventions and their potential to avoid catastrophic environmental events and support sustainable trajectories on multi-decadal timescales. A brief history of CHES modelling is presented, followed by a review spanning recent CHES models of systems including forests and land use, coral reefs and fishing and climate change mitigation. The ability of CHES modelling to capture dynamic two-way feedback confers advantages, such as the ability to represent ecosystem dynamics more realistically at longer timescales, and allowing insights that cannot be generated using ecological models. We discuss examples of such key insights from recent research. However, this strength brings with it challenges of model complexity and tractability, and the need for appropriate data to parameterize and validate CHES models. Finally, we suggest opportunities for CHES models to improve human-environment sustainability in future research spanning topics such as natural disturbances, social structure, social media data, model discovery and early warning signals. This article is part of the theme issue 'Ecological complexity and the biosphere: the next 30 years'.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».