Compliance Algorithm for Socio-Environmental Safeguards in Legal Amazon: A Traceability and Risk Assessment Model for Agricultural Commodities Chain under Regulation (EU) 2023/1115
Felipe Oliveira Carvalho · Allan Kardec Duailibe Barros Filho · José Artur Lima Cabral Marques 等 6 人
提出COMPLY-SOY-MA模型，评估合法亚马逊农产品供应链的可追溯性、风险与社会环境合规性。
构建可信度估计器，用31项指标复合指数与证据质量指数，结合质量流多重图与熵。
区分实质合规与证据质量，证据增加仅降低真正合规单元的风险，避免不透明单元被平均化。
可延伸至多品类供应链验证，并开发实证校准的风险概率模型与验证协议。
提出面向欧盟零毁林法规的农产品供应链可追溯与风险评估模型，方法新颖但仅属形式化模型、未经验证，且来源为地方性期刊，影响力有限。
欧盟第2023/1115号条例要求，投放欧洲市场的农产品自2020年12月31日起不得涉及毁林，须依照原产国法律生产，并须通过尽职调查声明予以涵盖，该声明需以地理定位方式标明生产地块。证明合规取决于一个分析单元——农村地产与地块——它介于市级贸易流模型与像素级遥感产品之间，同时依赖于异质且始终不完整的数据库。本文提出COMPLY-SOY-MA，一个用于评估合法亚马逊地区农产品供应链可追溯性、风险及社会环境合规性的模型。其主要贡献在于一个可信度估计器，该估计器区分了两个常被混淆的维度：实质性合规，通过由三十一项指标构成的综合指数衡量，该指数采用可控补偿性的幂均值进行聚合；以及支撑性证据质量，通过一个五项指标指数衡量。风险估计通过将观测到的缺陷向地域先验收缩来实现，并以证据指数的幂进行加权，从而避免对不透明单元使用披露信息单元的平均值进行评估。在证据发生孤立变化的情况下，提供更多证据仅对真正合规的单元降低风险。可追溯性被建模为质量流加权的多重图，使用来源熵以及暴露指数与污染指数之间的形式化区分。研究范围已明确界定：本研究提供一个形式化模型及参考实现，其结果基于数学推导与领域刻画。它规定但并未执行验证方案，其风险评分并非经过校准的概率。