耦合自然-工业系统的韧性动力学：基于代理建模评估气候变化对工业生态系统影响

工业生态系统通过原料获取和废物处理与自然系统相互耦合。为应对气候变化情景下的生产韧性，必须评估这种耦合对生产力和废物产生的影响。本文提出了一种新方法，用于在气候变化情景下建模和评估耦合自然-工业生态系统的韧性。我们开发了一种计算效率高的框架，将液体时间常数（Liquid Time-Constant, LTC）神经网络作为代理模型来捕捉耦合农业和工业系统中复杂非线性动力学。该方法通过宣羟县，伊利诺伊州的大豆基准生物柴油生产网络进行案例研究。LTC 模型被训练来捕捉节点动力学，然后通过来自 RCP 4.5 和 8.5 情景（2006-2096 年）的统计下采样气候投影进行驱动。该框架实现了系统范围材料流动动力学的快速模拟，并探索了气候引起冲击的级联效应。结果揭示了在不同气候情景和农场规模下系统韧性的非线性行为和潜在临界点。RCP 8.5 情景导致生产故障更早更频繁，较小的农场更依赖进口，废物积累和库存水平呈现复杂模式。该方法提供了关于系统脆弱性和适应能力的宝贵见解，为增强面对气候变化挑战的耦合自然-工业生态系统的韧性和可持续性提供决策支持。该框架的可适应性表明其在 various industrial ecosystems and climate-sensitive sectors 具有潜在应用前景。