RESILIENT FOOD-BIODIVERSITY OUTCOMES VIA STOCHASTIC CONTROL OF MULTIPLEX SOCIO-ECOLOGICAL NETWORKS UNDER WATER STRESS
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Food-security pressures, biodiversity loss, and chronic water scarcity interact to erode the connectivity that keeps agricultural socio-ecological systems (SES) functional. We ask: how much effort — of which type and when — is required to preserve multiplex connectivity under volatile water supplies at minimum cost? We model the agricultural SES as a multiplex network and embed its dynamics in a stochastic optimal-control problem solved in Hamiltonian form. Shadow prices of connectivity are derived via the Feynman–Kac representation, and open-loop solutions are refined with a machine learning controller. Methodologically, this integrates stochastic co-states with policy refinement for multilayer SES control. Conceptually, resilience is operationalized through network-level criteria. Numerical experiments under escalating drought show: (i) optimally configured controllers maintain strong resilience under moderate stress; (ii) beyond a critical drought threshold, only weak resilience is attainable; (iii) control effort exhibits layer asymmetry, with agri-food requiring sustained torque and biodiversity benefiting from punctuated interventions; and (iv) a governance wedge persists between technically cost-effective effort and stakeholders’ willingness to implement it. These results clarify when, and how, incentive-compatible policies are needed to keep agri-food-biodiversity connectivity viable under water volatility.
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.
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 découle