EN中文

Acta Geographica Sinica >

2019 , Vol. 74 >Issue 11: 2260 - 2272

DOI: https://doi.org/10.11821/dlxb201911005

Spatio-temporal Coupling of Water-land Elements in Mountainous Areas

Agent based model of land system: Theory, application and modelling framework

  • DAI Erfu 1, 3 ,
  • MA Liang 1, 3 ,
  • YANG Weishi 2, 4 ,
  • WANG Yahui 1, 3 ,
  • YIN Le 2, 3 ,
  • TONG Miao 1, 3
Expand
  • 1. Lhasa Plateau Ecosystem Research Station, Key Laboratory of Ecosystem Network Observation and Modeling, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 2. Key Laboratory of Land Surface Pattern and Simulation, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 3. University of Chinese Academy of Sciences, Beijing 100049, China
  • 4. School of Geography and Planning, Sun Yat-Sen University, Guangzhou 510275, China

Received date: 2019-05-14

  Request revised date: 2019-10-09

  Online published: 2019-11-01

Supported by

National Basic Research Program of China(2015CB452702)

National Natural Science Foundation of China(41571098)

National Natural Science Foundation of China(41530749)

Strategic Priority Research Program of Chinese Academy of Sciences(XDA20020202)

Strategic Priority Research Program of Chinese Academy of Sciences(XDA19040304)

National Key R&D Program of China, No.2017YFC1502903(2017YFC 1502903)

National Key R&D Program of China, No.2017YFC1502903(2018YFC1508805)

Key Programs of the Chinese Academy(ZDRW-ZS-2016-6-4)

Copyright

Copyright reserved © 2019
Fold

Abstract

Land change science has become an interdisciplinary research direction for understanding human-natural coupling systems. As a process-oriented modelling approach, Agent based model (ABM) plays an important role in revealing the driving forces of land change and understanding the process of land change. This paper starts from three aspects: the theory, application and modeling framework of ABM. First, we summarize the theoretical basis of ABM and introduce some related concepts. Then we expound the application and development of ABM in both urban land systems and agricultural land systems, and further introduce the case study of an model on Grain to Green Program in the Hengduan Mountains region, Southwest China. On the basis of combing the ABM modeling protocol, we propose the land system ABM modeling framework and process from the perspective of agents. In terms of urban land use, ABM research initially focused on the study of urban expansion based on landscape, then expanded to issues like urban residential separation, planning and zoning, ecological functions, etc. In terms of agricultural land use, ABM application presents more diverse and individualized features. Research topics include farmers' behavior, farmers' decision-making, planting systems, agricultural policy. Compared to traditional models, ABM is more complex and difficult to generalize beyond specific context since it relies on local knowledge and data. However, due to its unique bottom-up model structure, ABM has an indispensable role in exploring the driving forces of land change as well as the impact of human behavior on the environment.

Key words： land system; land use; land change science; land change model; agent based model; modeling framework

Cite this article

DAI Erfu , MA Liang , YANG Weishi , WANG Yahui , YIN Le , TONG Miao . Agent based model of land system: Theory, application and modelling framework[J]. Acta Geographica Sinica, 2019 , 74(11) : 2260 -2272 . DOI: 10.11821/dlxb201911005

1 引言

土地系统变化对区域环境和人类福祉产生巨大影响,同时也是全球变化的重要驱动因素[1,2]。土地系统给人类社会提供赖以生存和发展的食物、能源、资源等基础和服务,深入理解土地系统动态能促进国土空间管理及区域规划。近年来,伴随着土地变化科学（Land change science）出现与发展,多学科研究者开展了不同层面的工作[3,4,5,6]。其中模型模拟是研究土地利用或自然土地覆被格局变化与动态的重要工具[7,8,9,10]。土地变化模型的作用包括,分析观察到的格局与产生格局的过程之间的关联,在不同假设情景和政策条件下模拟未来土地变化、对未来景观格局进行预测,土地变化模型结果也可以作为动态景观输入生态系统模型。
现实地理世界是由大量决策主体构成的复杂系统。现代科学所面临的一个最重要挑战就是对复杂系统的理解与预测[11]。土地系统作为人类社会与自然环境的作用界面,是典型的复杂系统[5, 12-13]。随着复杂系统科学和方法的应用,土地变化模型领域致力于如何通过耦合自然系统和人类系统以明晰刻画人类决策行为[9]。多主体模型（Agent based model, ABM）则专门用于模拟微观层面主体决策和行为,通过模拟大量主体相互作用和主体与环境之间反馈实现宏观格局的涌现。该方法因其采用自下而上的手段,建模时从主体行为规则定义出发,避免了对整个系统的理解和分析,弥补了传统数学和物理模型对复杂系统定量刻画的困难,是理解复杂系统的有效途径,成为了土地变化模拟方法的发展方向之一[14,15,16,17]。
本文从土地系统ABM理论、应用和建模框架3个方面出发,在总结梳理的基础上,进行案例研究并提出建模框架。具体研究内容包括以下4个部分：① ABM理论基础与相关概念辨析;② ABM在城市和农业土地系统的应用,并介绍退耕还林ABM案例;③ 现有模型交流方式与ODD系列协议,在此基础上提出主体视角的土地系统ABM建模框架;④ 土地系统ABM研究相关挑战与未来研究方向。

2 ABM理论基础与相关概念

2.1 复杂系统理论与ABM

复杂性理论源于一般系统理论,同时具有多学科背景,其发展过程中吸收了来自数学、物理学、遗传生物学和社会科学等的理论;复杂系统是指由许多相互作用的组分构成的系统,其特征表现为路径依赖、临界重大突变、空间自组织、空间涌现等[16]。复杂性的标志之一就是全局现象来自局域相互作用的宏观涌现[18]。复杂的相互作用可能产生混沌,而使得对系统预测很困难。在对复杂系统建模方面,单纯自上而下的模型方法往往难以捕捉局域的相互作用,伴随着计算机模拟技术发展,自下而上的方法可以更好刻画复杂系统。
多主体模型（ABM）是基于复杂系统理论的模型方法。Farmer等将ABM定义为：一种通过设定的规则相互作用的大量决策主体和制度的计算机模拟[19]。ABM中主体即计算机模拟中被赋予属性和行为的自主个体。主体可执行决策,并具有记忆,能够学习和适应。ABM允许建模者探索主体之间、主体与环境、环境之间三种相互作用下产生的空间涌现格局。

2.2 相关概念

（1）细胞自动机。作为自下而上建模方法,ABM可以追溯到细胞自动机模型（Cellular automata, CA）[20,21],CA将景观表示为矩形网格,其中每个格点具有固定位置和表征环境的属性信息,例如植被或地形[18]。ABM延续了CA最核心的概念,即个体或网格所产生的行为决定系统水平的结果[22]。CA和ABM被认为是研究复杂系统的理想手段,因为二者都是没有中心控制的众多简单部件（细胞网格或主体）构成的网络系统,通过简单的规则模拟复杂动态。相比于ABM,CA在反映政府、居民等主体决策行为时具有明显的限制,CA在处理诸如行人、家庭定居、公司选址等移动对象时也有明显不足[23]。CA模型中动态规则往往是一些固定的相互作用,而ABM中的相互作用则可以随着模型的运行而动态改变,因为后者是在主体层面定义规则而不是基于空间的划分[10, 24]。ABM中主体不仅具有邻居相互作用,还具有学习和进化的能力。
（2）个体模型。ABM另一方面来源于种群生态学中个体模型（Individual based model, IBM）。生态学有着很长的自下而上模拟传统[11]。1990年左右,生态学研究开始广泛应用IBM,而社会科学研究广泛应用ABM则始于2000年左右[25,26],后续生态学研究中延续了IBM的名称。IBM的出发点是通过编程将每个植物或动物表示为能够以某种方式做出反应的个体,IBM常用于模拟移动的动物或者人与景观相互作用[18]。与ABM类似,IBM从生物个体出发理解种群或群落层面的系统特性,这些特性往往来自于个体间相互作用。因此,借鉴IBM生态学模型中所建立的概念和方法可以更好发展土地系统等领域ABM。
（3）面向对象程序设计。ABM本质上是一种计算机模型,一般来说,自然科学中的模型都是定量的,而计算机语言却允许定性条件的描述（如,if…then...）,从而允许了定性规则在ABM模型中的表达。学者认为ABM与计算机科学20世纪80年代兴起的面向对象程序设计（object-oriented programming, OOP）相关,在面向对象程序设计中,每一个对象能够接收数据、处理数据并将数据传递给其他对象,具有一致数据结构（属性）和行为（操作）的对象抽象成类[16]。因此OPP编程逻辑与ABM逻辑相吻合,事实上,ABM构建也常常采用面向对象的语言,如C++和Java[27]。随着面向对象程序设计在编程领域的发展,有学者认为未来几乎所有的计算机模拟都将是ABM[22]。

3 ABM在土地系统的应用与案例

ABM应用相当广泛,涉及商业组织、经济学、基础设施、群体事件、社会与文化、恐怖主义、军事、生物和生态系统等诸多方面[28]。就在地理和资源环境相关领域,其应用如行人模型（pedestrian model）（如研究群体事件或突发状况的紧急疏散）[29,30]、捕鱼策略[31,32]、城市发展[33,34,35]、动物种群（如森林昆虫灾害暴发）[36,37]、交通（如交通规划、避免车辆与动物相撞）[38,39]、农业经济[40,41,42,43]、旅游（如路线设计）[44,45]、流行病扩散[46],森林管理[47]、水资源管理[48]等众多方面。其中不少研究直接或间接涉及土地系统。

3.1 城市土地利用变化模拟

城市是地球表面人类利用土地最集中且强度最大的区域。城市发展过程伴随着城市土地利用变化。Schelling和Sakoda是城市土地领域主体空间决策研究的先驱,他们在1970年分别独立提出模型,模拟个体对邻居人群的微小偏好差异导致城市居住分区这一宏观现象。他们当时甚至不是用计算机而是采用可以活动的棋盘进行模拟[23]。Batty在模拟多核城市景观变化时,虽然没有明确ABM模型概念,但考虑了居民主体选址过程[49]。Brown等则明确构建了ABM,并结合居住选址偏好调查问卷结果模拟密歇根州南部的城市扩张[33]。刘小平等构建了包括居民、房地产商和政府三类主体的城市土地利用多主体模型,模拟广州市海珠区城市扩张,并将结果与CA进行比较,表明考虑主体决策的ABM模拟效果更好[34];他们后续把研究区拓展到整个珠三角地区,并模拟多种规划情景下城市扩张[50,51]。
随着研究深入,城市发展ABM研究更加细致和多元化,社会学和经济学理论被广泛应用。Haase等研究了德国东部Leipzig市城市缩小现象[52,53]。Shin等则在Schelling模型的基础上改进满意度评价方法,进一步研究了美国城市内部不同种族居住空间分隔现象[54]。Parker等[55]和Filatova等[35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56]则从经济学角度出发,将微观经济学和空间经济学模型引入多主体模型,对城市土地市场进行模拟,主体为土地交易买卖双方,其模拟结果与经典理论杜能模型相一致;Huang等[57]和Sun等[58]在其模型基础上进一步探讨了土地市场中主体异质性的作用,同时考虑主体预算限制和竞标的作用。Magliocca等在土地市场刻画的基础上,进一步考虑了房地产市场,提出了耦合二者的模型[59]。Li等基于劳动力经济学模拟了制造业城市广东省东莞市的空间人口动态[60]。Wahyudi等则直接以房地产开发商为主体,研究了不同开发商类型、特征和行为对雅加达城市空间扩张的影响[61]。近年来伴随着社会—自然耦合系统研究,将土地利用模型与生态模型耦合成为了重要的研究发展方向,出现了ABM模拟城市发展模型与生态模型结合的研究,如Robinson等将ABM城市郊区发展模型DEED与生态系统过程模型BIOME-BGC结合,探究郊区土地管理策略对生态系统功能的影响[62]。
ABM研究城市发展问题的方法论也在不断发展完善,方法上逐渐倾向于ABM与其他方法相结合,如贝叶斯网络、遗传算法、层次分析法、博弈论等[63,64,65,66]。通常ABM作为模型框架,而采用另一种方法来具体确定主体决策规则。传统城市模型都用方形网格来模拟土地变化,也有学者探讨基于矢量不规则网格模拟[67]。

3.2 农业土地利用变化模拟

除了城市,农业则是人类利用土地的另一种重要方式。农民砍伐森林,种植作物,经营农场的行为比城市主体利用土地行为更为直接和多样化。另外,与城市相比,农村景观具有人为因素和自然因素交互作用更突出的特点。因此研究者往往基于对研究区本地知识调查,结合特定的自然条件和社会经济状况、当地政策等,构建农业ABM解决区域特定问题,或作为农业政策制定的决策支持。
Deadman构建了家庭农场模型LUCITA,模拟亚马逊雨林家庭农场发展和农户土地利用行为[68]。Castella等结合ABM和角色扮演游戏（Role-playing game, RPG）,构建了参与式多主体模型SAMBA,并模拟越南北部山区制度变迁下土地利用变化[40]。Schmit等探讨了农民在作物种植方面的模仿行为对农业土地利用的影响[69]。Le等开发了土地利用动态模拟器LUDAS,将人口和景观作为空间自组织主体,结合农户决策和森林产量进行了综合人地系统模拟[17]。Brady等结合ABM与景观指数研究了欧洲农业政策和农场改革对土地景观的影响[70]。Valbuena等先后研究了澳大利亚和荷兰乡村地区农民决策对土地变化和景观结构的影响,并进行了未来情景预测[42,43];他们还将局域尺度的ABM应用到区域尺度,探讨农业发展轨道[71]。Murray-Rust等开发构建了ABM农业土地利用模拟开放框架Aporia,其特点是模块化设计,并可与多个植被模型耦合,用于评价生态系统服务指标[72]。Bakker等开发了乡村土地交易模型RULEX,模拟了荷兰东部土地所有者之间土地交易带来的土地利用改变[73]。Villamor等结合ABM和RPG研究了苏门答腊岛橡胶农业区主体性别对土地利用决策的影响,他们得到结论男性倾向于维持农林经济混合状态,而女性则更倾向于将土地转变为二者中更获利的一种[74]。
此外,还有学者研究生态保护政策有效性,如中国的天然林保护工程[75,76],退耕还林政策[77,78]。Chen等研究了中国四川省卧龙自然保护区天保工程补贴政策对减少农民樵采行为进而恢复林地的有效性,并对不同补贴情景进行了土地利用预测[76]。这些研究中针对的土地利用类型可能不是农业土地利用,而是林地、草地等,但其主体仍然是农民或农户。
农业ABM研究本地特色非常明显,某种程度上,可以看作是区域农业可持续发展或自然资源管理方面特定问题的案例诊断。近年来,参与式建模得到了很好的发展。研究者组织当地村民、政府、企业等不同利益相关方直接参与模型规则制定,通过游戏和情景模拟等互动方式真实再现主体决策过程。

3.3 退耕还林ABM案例

退耕还林工程作为生态工程代表,对中国土地利用格局产生了重要影响。横断山区是中国退耕还林实施的重点地区。基于ABM建模框架和流程,综合考虑农民、农户和政府三类主体,构建了退耕还林工程实施的空间模型。以云南省东川区铜都镇为研究区,基于人口普查数据、地理环境数据、实地调研数据,模拟了2010-2015年铜都镇农户年收入,农户、政府退耕意愿和退耕还林工程空间实施过程[78]。
模拟中考虑三类主体：政府、农户和农民。农民主体具有年龄、生育率、死亡率等属性,农户主体是由农民主体组成的决策基本单元。农户主体根据退耕还林前后的收入变化、政府主体根据国家和当地退耕还林工程政策要求分别确定退耕还林意愿。具体来说,分别计算农户参与退耕还林前后打工年收入和土地年收入,结合退耕还林补贴,即可得到参与退耕后农户年收入变化,进一步确定其家庭层面退耕还林意愿。政府则从宏观层面考虑退耕坡度、土壤肥力、生态重要程度和工程实施难易程度几个方面确定政府意愿。根据农户意愿和政府意愿计算综合意愿。在模拟过程中以地块为模拟空间单元,基于区域或政府每年退耕面积指标,对区域内任一符合退耕要求（坡度大于25°）的耕地地块,按照综合意愿由大至小排序,依次确定实施退耕还林地块,直至完成退耕指标,实现退耕还林工程实施的空间模拟。根据模型构架和拟定的各类主体决策规则,在Repast平台中采用JAVA语言构建计算机模型（图1）。基于所构建的模型,结合实地调研数据进行参数化,模拟2011-2015年退耕还林工程政策下土地利用变化（图2）。结合实际遥感数据点对点精度验证,该模型精度达到91.12%。
图1 区域退耕还林工程实施空间模拟框架

Fig. 1 Framework of regional spatial simulation of Grain to Green Program implementation

图2 2010-2015年铜都镇退耕还林模拟结果

Fig. 2 Results of Grain to Green Program in Tongdu Town. Initial spatial pattern of cropland in 2010 (a), Simulated spatial pattern of cropland in 2015 (b), Returning farmland from 2011 to 2015 (c)

区别与传统土地利用模拟过程,该模型中直接刻画了主体决策过程,参数也是在主体层面定义,其优势在于揭示了区域退耕还林的过程而非现象,后续可模拟不同政策情景下退耕还林实施效果和土地利用变化格局,进而为政策制定提供依据,促进山区生态环境可持续发展。

4 ABM建模框架

4.1 模型交流与ODD协议

ABM在很大程度上是一种建模思想,不同领域学者基于不同区域具体问题建模,模型理论基础、结构和细节差异均较大;ABM的特性又决定了其规则设定时采用定性与定量相结合的方式,不能完全透明地通过数学语言表达。因此,有效的模型交流一直是研究者面临的问题。使用软件开发领域的统一建模语言（Unified Modeling Language, UML）可以在一定程度上促进模型交流,但并不是针对ABM的解决方案。Janssen等2008年发起了OpenABM在线论坛用于模型发布和源代码共享[79]。模型共享促进了研究者交流,但不同研究者使用的编程语言、平台各不相同,大多数ABM研究者直接面对模型源代码仍然力不从心和低效。
为了促进模型评价、比较和交流,ABM研究者认为在模型构建初始就应该遵循特定的框架和流程。Grimm等提出了建立基于个体/主体模型的标准协议,即ODD（Overview-Design concepts-Details）的方法来建立ABM或IBM,其中包括概述、概念设计和细节三大方面7个要素和下属51个引导问题帮助建模者构建ABM[80]。后续一些研究按照该思路进行ABM模型设计[81,82,83]。鉴于Grimm主要是从生态学角度出发提出ODD方法,Müller为了使建模过程更好地整合人类决策,对ODD进行优化,进一步提出了ODD+D（ODD+Decision making）协议[84]。近年来,伴随着ABM设计越来越结合经验数据并贴近现实,Laatabi等提出ODD+2D（ODD+Decision+Data）协议,对原有框架中数据部分进行细化（图3）[85]。ODD系列协议在复杂系统和多主体建模研究群体中得到了较为普遍的应用,其有效地促进了模型交流和评价。具体在土地利用模拟领域,Parker等提出了MR POTATOHEAD模型设计概念框架,将模型分为6个概念部分：信息/数据,与其他模型接口,人口统计学,土地利用—决策,土地交换和模型运行。该框架可以作为设计模型的指导,也可作为分析模型的手段[86],但其应用远不如ODD系列协议广泛。
图3 ODD建模协议及其扩展

Fig. 3 ODD protocol and its extension

4.2 主体视角的土地系统ABM建模框架和实施流程

对于建模者来说,ABM区别于其他模型的最主要一点是从主体的视角表达客观现实,进而完成模型构建,基于此提出主体视角的土地系统ABM建模框架（图4）。建模过程从微观主体视角、理论基础和实证基础出发,进行主体子系统和环境子系统构建。
图4 主体视角ABM建模框架

Fig. 4 Agent based modeling framework from agent perspective

在主体子系统部分,首先进行主体选择与分类,确定模型最基本的构成。针对每类主体分析其特定属性,例如城市土地变化模型中可以根据收入,年龄等属性划分居民主体类型;而农业土地模型中则可以根据农民是否为劳动力,是专职务农或半工半农等属性进行分类。根据属性确定不同类主体的决策意愿与决策能力,决策能力决定特定时间段内决策过程的可能选项,意愿则决定主体对特定选项的偏好[71]。据此构建相应的决策规则刻画特定主体类型行为。进一步明确主体间相互作用,包括合作、竞争、学习等多种类型的相互作用表达。
土地系统通常是一个空间概念,因此土地系统ABM特别需要设计环境子系统,在环境子系统部分考虑环境的空间抽象,可以选择CA方形网格、多边形网格或者矢量图层来代表环境,同时对环境单元赋予地理属性,例如土地覆被/利用类型、海拔、环境质量等。环境子系统的动态一方面是自然变化,一方面则是受到主体对环境的影响。主体子系统的更新一方面受到主体相互作用影响所导致的主体学习和进化,另一方面也受到环境对主体的反馈。对主体特征、行为和相互作用,环境的表达、刻画和逻辑关系梳理即可以形成土地系统ABM概念模型。
在概念模型的基础上,将决策规则尽可能用数学公式表达,构建理论模型;进一步借助建模平台（或使用编程语言独立开发）构建计算机模型。在模型应用环节,通过理论参数模拟,扫参数的方法对模型进行检查并观察模型所表现出的特性是否与假设和常识相符,同时可以进行敏感性分析;进一步结合实证数据（包括主体属性和环境表征）对模型进行参数化,模拟实际土地系统变化,并选择实际数据进行比对,对模型验证（图5）。需要注意的是,这个建模步骤并非单向进行,后面的步骤出现问题可能需要对前面的环节进行修正。
图5 多主体模型建模步骤与方法

Fig. 5 Modeling procedure and related approach of ABM

5 讨论

多主体模型（ABM）通过对微观主体决策行为的刻画,直接模拟土地变化的驱动力,宏观土地变化和空间格局则是“涌现”的结果。因此,ABM在众多土地系统模型方法中具有独特且不可替代的地位,其价值不在于更高的模拟精度,而是能够促使对土地变化机制和过程的认识加深。由于其本质多源性,使得模型设计、实施、参数化、校准和执行等方面均有别于传统方法。在主体行为刻画,模型大尺度应用,模型验证,模型重复利用等方面存在诸多挑战。

5.1 对主体行为的刻画仍需加强

ABM建模的核心是主体行为规则的设计与参数化,如何更好地捕捉主体行为是ABM研究者面临的关键问题。当前对主体行为的刻画有多种不同的方法,效用函数的和统计方法较为常用。遗传算法和神经网络也被整合到ABM中用于刻画主体行为。但多方法耦合需要协同时空不一致问题。主体分类可以将大量主体聚合成类,进一步定义不同主体类别的行为。对主体行为定义的时候还需要考虑主体对环境的感知能力,主体是完全理性还是非完全理性。整合社会学和心理学理论有助于刻画主体的认知、情感和信仰动态。但主体行为定义需要在基于理论基础与实证观察二者之间寻求平衡[87]。
在刻画主体行为方面,经济学模型中对行为的详尽刻画（诸如期望形成过程和前瞻性行为）还没有很好地整合到土地变化ABM当中;更多工作需要建立空间经济学模型和土地变化ABM之间的联系;主体决策模拟的参数化过程亟需标准化方法以提高效率等[88]。另外,当前ABM研究大都关注于土地利用直接主体,如农民和城市居民。新近研究表明远程主体的大规模土地收购、合同农业和投资等行为也不可忽视[7]。

5.2 ABM应用在更大尺度存在挑战

大尺度生态模型和气候模型已经得到了较为广泛的应用,模型中对生物物理过程的刻画也较为完善,而对作为全球环境变化驱动力的人类活动则往往被过分简化。将ABM与生态模型耦合是一个可能的解决方案。然而,当前ABM的研究大都集中在局域尺度。模型中的局域决策规则通常不能直接应用于较大空间范围或空间分辨率[89]。此外模拟所需要的大量基于当地调查的数据和经验知识,限制了ABM应用于区域尺度和全球尺度[7]。将ABM应用于区域及更大尺度时,表达决策的多样性将变得更困难。一些研究者尝试发展区域尺度ABM,但目前仍缺乏有效的解决方案[71, 90-91]。

5.3 ABM验证仍存在困难

模型验证通过将模拟结果与真实信息对比来检查模型是否有效及其程度,是模型评价的重要环节。土地变化模型的验证包括格局验证（Pattern validation）和结构验证（Structural validation）。格局验证是将模型模拟土地利用格局与实际土地利用格局进行比较,实际土地利用格局可由遥感影像数据分类获得,点对点比较、kappa系数、景观指数对比等方法常用来评价模拟结果的质量。结构验证是对模型机理和过程的合理性进行验证,这方面仍然是一个挑战[92]。主要是因为土地利用格局虽然可观测,但格局形成的过程和机理却难以观测和定量刻画。

5.4 ABM复用性有待提高

就ABM模型的建构过程来看,ABM模型的复用性较差。一个特定模型构建好,也不一定能推广到其他地区,与简单抽象的模型相比,高度复杂并数据依赖的模型对用户来说更不透明[93]。大量的案例研究很难推广,O'sullivan等将其称为YAAWN（"Yet Another Agent-Based Model . . . Whatever . . . Never mind . . . "）综合征[93]。不同研究者对ABM思想的理解存在差异,所以ABM模型通常被设计用于解决研究者脑中已有的特定问题,并且在微观主体层面和应用于特定背景的聚合结果层面均需要大量数据,对于能够用简单分析模型解释的研究问题,以及注重预测而非结构性解释的研究问题,应当斟酌是否需要使用ABM以及其所花费的大量投入[88]。
总体来看,土地系统ABM方法具有独特优势和重要地位,但仍存在大量挑战,其方法论尚在形成完善阶段。这一方面意味着土地系统ABM需要更多研究者和建模者关注;另一方面,研究者在采取该方法时也需要保持谨慎的态度。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Lambin E F, Geist H J . Land-use and Land-cover Change: Local Processes and Global Impacts. Berlin: Springer Science & Business Media, 2006.

[2]
Verburg P H, Crossman N, Ellis E C , et al. Land system science and sustainable development of the earth system: A global land project perspective. Anthropocene, 2015,12:29-41.

[3]
Turner B L, Lambin E F, Reenberg A . The emergence of land change science for global environmental change and sustainability. Proceedings of the National Academy of Sciences of the United States of America, 2007,104(52):20666-20671.

[4]
Rounsevell M D A, Pedroli B, Erb K H , et al. Challenges for land system science. Land Use Policy, 2012,29(4):899-910.

[5]
Verburg P H, Erb K H, Mertz O , et al. Land system science: Between global challenges and local realities. Current Opinion in Environmental Sustainability, 2013,5(5):433-437.

[6]
Müller D, Munroe D K . Current and future challenges in land-use science. Journal of Land Use Science, 2014,9(2):133-142.

[7]
Verburg P H, Alexander P, Evans T , et al. Beyond land cover change: Towards a new generation of land use models. Current Opinion in Environmental Sustainability, 2019,38:77-85.

[8]
Verburg P H, Schot P P, Dijst M J , et al. Land use change modelling: Current practice and research priorities. GeoJournal, 2004,61(4):309-324.

[9]
Brown D G, Verburg P H, Pontius R G , et al. Opportunities to improve impact, integration, and evaluation of land change models. Current Opinion in Environmental Sustainability, 2013,5(5):452-457.

[10]
Li Shaoying, Liu Xiaoping, Li Xia , et al. Simulation model of land use dynamics and application: Progress and prospects. Journal of Remote Sensing, 2017,21(3):329-340.

[ 李少英, 刘小平, 黎夏 , 等. 土地利用变化模拟模型及应用研究进展. 遥感学报, 2017,21(3):329-340.]

[11]
Grimm V, Revilla E, Berger U , et al. Pattern-oriented modeling of agent-based complex systems: Lessons from ecology. Science, 2005,310(5750):987-991.

[12]
Yu Qiangyi, Wu Wenbin, Tang Huajun , et al. Complex system theory and agent-based modeling: Progresses in land change science. Acta Geographica Sinica, 2011,66(11):1518-1530.

[ 余强毅, 吴文斌, 唐华俊 , 等. 复杂系统理论与Agent模型在土地变化科学中的研究进展. 地理学报, 2011,66(11):1518-1530.]

[13]
Dai Erfu, Ma Liang . Review on land change modeling approaches. Progress in Geography, 2018,37(1):152-162.

[ 戴尔阜, 马良 . 土地变化模型方法综述. 地理科学进展, 2018,37(1):152-162.]

[14]
Parker D C, Manson S M, Janssen M A , et al. Multi-agent systems for the simulation of land-use and land-cover change: A review. Annals of the Association of American Geographers, 2003,93(2):314-337.

[15]
Macal C M, North M J . Tutorial on agent-based modelling and simulation. Journal of Simulation, 2010,4(3):151-162.

[16]
An L . Modeling human decisions in coupled human and natural systems: Review of agent-based models. Ecological Modelling, 2012,229:25-36.

[17]
Le Page C, Bazile D, Becu N , et al. Agent-Based Modelling and Simulation Applied to Environmental Management//Edmonds B, Meyer R. Simulating Social Complexity: A Handbook. Berlin, Heidelberg: Springer Berlin Heidelberg, 2013.

[18]
Green D G, Sadedin S . Interactions matter: Complexity in landscapes and ecosystems. Ecological Complexity, 2005,2(2):117-130.

[19]
Farmer J D, Foley D . The economy needs agent-based modelling. Nature, 2009,460(7256):685-686.

[20]
Wolfram S . A New Kind of Science. Champaign IL: Wolfram Media, 2002.

[21]
Zhou Chenghu, Ou Yang, Ma Ting , et al. Theoretical perspectives of CA-based geographical system modeling. Progress in Geography, 2009,28(6):833-838.

[ 周成虎, 欧阳, 马廷 , 等. 地理系统模拟的CA模型理论探讨. 地理科学进展, 2009,28(6):833-838.]

DOI

[22]
North M J, Macal C M. Managing Business Complexity: Discovering Strategic Solutions with Agent-based Modeling and Simulation. Oxford: Oxford University Press, 2007.

[23]
Benenson I, Torrens P M . Geosimulation: Automata-Based Modeling of Urban Phenomena. London: John Wiley & Sons, 2004

[24]
Johnston K M. Agent-based Modeling in ArcGIS. California: Esri Press, 2013.

[25]
Grimm V . Ten years of individual-based modelling in ecology: What have we learned and what could we learn in the future? Ecological Modelling, 1999,115(2/3):129-148.

[26]
Schulze J, Müller B, Groeneveld J , et al. Agent-based modelling of social-ecological systems: Achievements, challenges, and a way forward. Journal of Artificial Societies and Social Simulation, 2017,20(2):8.

[27]
An L, Linderman M, Qi J , et al. Exploring complexity in a human-environment system: An agent-based spatial model for multidisciplinary and multiscale integration. Annals of the Association of American Geographers, 2005,95(1):54-79.

[28]
Allan R J . Survey of Agent Based Modelling and Simulation Tools. Swindon: Science & Technology Facilities Council, 2010.

[29]
Batty M, Desyllas J, Duxbury E . The discrete dynamics of small-scale spatial events: Agent-based models of mobility in carnivals and street parades. International Journal of Geographical Information Science, 2003,17(7):673-697.

[30]
Batty M . Agent-based pedestrian modeling - Editorial. Environment and Planning B-Planning & Design, 2001,28:321-326.

[31]
Little L R, Punt A E, Mapstone B D . An agent-based model for simulating trading of multi-species fisheries quota. Ecological Modelling, 2009,220(23):3404-3412.

[32]
Cabral R B, Geronimo R C, Lim M T , et al. Effect of variable fishing strategy on fisheries under changing effort and pressure: An agent-based model application. Ecological Modelling, 2010,221(2):362-369.

[33]
Brown D G, Robinson D T . Effects of heterogeneity in residential preferences on an agent-based model of urban sprawl. Ecology and Society, 2006,11(1):22.

[34]
Liu X P, Li X, Yeh A G O . Multi-agent systems for simulating spatial decision behaviors and land-use dynamics. Science in China Series D-Earth Sciences, 2006,49(11):1184-1194.

[35]
Filatova T, Parker D, Van der Veen A . Agent-based urban land markets: Agent's pricing behavior, land prices and urban land use change. Journal of Artificial Societies and Social Simulation, 2009,12(1):1-31.

[36]
Perez L, Dragicevic S . Modeling mountain pine beetle infestation with an agent-based approach at two spatial scales. Environmental Modelling & Software, 2010,25(2):223-236.

[37]
Topping C J, Hoye T T, Olesen C R . Opening the black box-development, testing and documentation of a mechanistically rich agent-based model. Ecological Modelling, 2010,221(2):245-255.

[38]
Bravo M, Briceño L, Cominetti R , et al. An integrated behavioral model of the land-use and transport systems with network congestion and location externalities. Transportation Research Part B-Methodological, 2010,44(4):584-596.

[39]
Ascensão F, Clevenger A, Santos-Reis M , et al. Wildlife-vehicle collision mitigation: Is partial fencing the answer? An agent-based model approach. Ecological Modelling, 2013,257:36-43.

[40]
Castella J C, Trung N H, Boissau S . Participatory simulation of land-use changes in the northern mountains of Vietnam: The combined use of an agent-based model, a role-playing game, and a geographic information system. Ecology and Society, 2005,10(1):1-32.

[41]
Le Q B, Park S J, Vlek P L G , et al. Land-Use Dynamic Simulator (LUDAS): A multi-agent system model for simulating spatio-temporal dynamics of coupled human-landscape system. I. Structure and theoretical specification. Ecological Informatics, 2008,3(2):135-153.

[42]
Valbuena D, Bregt A K, McAlpine C , et al. An agent-based approach to explore the effect of voluntary mechanisms on land use change: A case in rural Queensland, Australia. Journal of Environmental Management, 2010,91(12):2615-2625.

[43]
Valbuena D, Verburg P H, Veldkamp A , et al. Effects of farmers' decisions on the landscape structure of a Dutch rural region: An agent-based approach. Landscape and Urban Planning, 2010,97(2):98-110.

[44]
Johnson P A, Sieber R E . Negotiating constraints to the adoption of agent-based modeling in tourism planning. Environment and Planning B-Planning & Design, 2011,38(2):307-321.

[45]
Mao X, Meng J, Wang Q . Modeling the effects of tourism and land regulation on land-use change in tourist regions: A case study of the Lijiang River Basin in Guilin, China. Land Use Policy, 2014,41:368-377.

[46]
Dion E, Van Schalkwyk L, Lambin E F . The landscape epidemiology of foot-and-mouth disease in South Africa: A spatially explicit multi-agent simulation. Ecological Modelling, 2011,222(13):2059-2072.

[47]
Bone C, Dragićević S . Simulation and validation of a reinforcement learning agent-based model for multi-stakeholder forest management. Computers Environment and Urban Systems, 2010,34(2):162-174.

[48]
Schlüter M, Pahl-Wostl C . Mechanisms of resilience in common-pool resource management systems: An agent-based model of water use in a river basin. Ecology and Society, 2007,12(2):4.

[49]
Batty M . Polynucleated urban landscapes. Urban Studies, 2001,38(4):635-655.

[50]
Li X, Liu X . Defining agents' behaviors to simulate complex residential development using multicriteria evaluation. Journal of Environmental Management, 2007,85(4):1063-1075.

[51]
Li X, Liu X . Embedding sustainable development strategies in agent-based models for use as a planning tool. International Journal of Geographical Information Science, 2008,22(1):21-45.

[52]
Haase D, Lautenbach S, Seppelt R . Modeling and simulating residential mobility in a shrinking city using an agent-based approach. Environmental Modelling & Software, 2010,25(10):1225-1240.

[53]
Haase D, Haase A, Kabisch N , et al. Actors and factors in land-use simulation: The challenge of urban shrinkage. Environmental Modelling & Software, 2012,35:92-103.

[54]
Shin J K, Fossett M . Residential segregation by hill-climbing agents on the potential landscape. Advances in Complex Systems, 2008,11(6):875-899.

[55]
Parker D C, Filatova T . A conceptual design for a bilateral agent-based land market with heterogeneous economic agents. Computers, Environment and Urban Systems, 2008,32(6):454-463.

[56]
Filatova T, Van Der Veen A, Parker D C . Land market interactions between heterogeneous agents in a heterogeneous landscape-tracing the macro-scale effects of individual trade-offs between environmental amenities and disamenities. Canadian Journal of Agricultural Economics-Revue Canadienne D Agroeconomie, 2009,57(4):431-457.

[57]
Huang Q, Parker D C, Sun S , et al. Effects of agent heterogeneity in the presence of a land-market: A systematic test in an agent-based laboratory. Computers, Environment and Urban Systems, 2013,41:188-203.

[58]
Sun S, Parker D C, Huang Q , et al. Market impacts on land-use change: An agent-based experiment. Annals of the Association of American Geographers, 2014,104(3):460-484.

[59]
Magliocca N, Safirova E, Mcconnell V , et al. An economic agent-based model of coupled housing and land markets (CHALMS). Computers, Environment and Urban Systems, 2011,35(3):183-191.

[60]
Li S, Li X, Liu X , et al. Simulation of spatial population dynamics based on labor economics and multi-agent systems: A case study on a rapidly developing manufacturing metropolis. International Journal of Geographical Information Science, 2013,27(12):2410-2435.

[61]
Wahyudi A, Liu Y, Corcoran J . Generating different urban land configurations based on heterogeneous decisions of private land developers: An agent-based approach in a developing country context. ISPRS International Journal of Geo-Information, 2019,8(5):229.

[62]
Robinson D T, Sun S P, Hutchins M , et al. Effects of land markets and land management on ecosystem function: A framework for modelling exurban land-change. Environmental Modelling & Software, 2013,45:129-140.

[63]
Kocabas V, Dragicevic S . Agent-based model validation using Bayesian networks and vector spatial data. Environment and Planning B-Planning & Design, 2009,36(5):787-801.

[64]
Zhang H, Zeng Y, Bian L . Simulating multi-objective spatial optimization allocation of land use based on the integration of multi-agent system and genetic algorithm. International Journal of Environmental Research, 2010,4(4):765-776.

[65]
Tian G, Qiao Z . Modeling urban expansion policy scenarios using an agent-based approach for Guangzhou metropolitan region of China. Ecology and Society, 2014,19(3):14.

[66]
Tan R, Liu Y, Zhou K , et al. A game-theory based agent-cellular model for use in urban growth simulation: A case study of the rapidly urbanizing Wuhan area of central China. Computers Environment and Urban Systems, 2015,49:15-29.

[67]
Dahal K, Chow T . An agent-integrated irregular automata model of urban land-use dynamics. International Journal of Geographical Information Science, 2014,28(11):2281-2303.

[68]
Deadman P, Robinson D, Moran E , et al. Colonist household decision making and land-use change in the Amazon rainforest: An agent-based simulation. Environment and Planning B-Planning & Design, 2004,31(5):693-709.

[69]
Schmit C, Rounsevell M D A . Are agricultural land use patterns influenced by farmer imitation? Agriculture Ecosystems & Environment, 2006,115(1-4):113-127.

[70]
Brady M, Kellermann K, Sahrbacher C , et al. Impacts of decoupled agricultural support on farm structure, biodiversity and landscape mosaic: Some EU results. Journal of Agricultural Economics, 2009,60(3):563-585.

[71]
Valbuena D, Verburg P H, Bregt A K , et al. An agent-based approach to model land-use change at a regional scale. Landscape Ecology, 2010,25(2):185-199.

[72]
Murray-Rust D, Robinson D T, Guillem E , et al. An open framework for agent based modelling of agricultural land use change. Environmental Modelling & Software, 2014,61:19-38.

[73]
Bakker M M, Alam S J, van Dijk J , et al. Land-use change arising from rural land exchange: An agent-based simulation model. Landscape Ecology, 2015,30(2):273-286.

[74]
Villamor G B, van Noordwijk M . Gender specific land-use decisions and implications for ecosystem services in semi-matrilineal Sumatra. Global Environmental Change, 2016,39:69-80.

[75]
Chen X, Lupi F, An L , et al. Agent-based modeling of the effects of social norms on enrollment in payments for ecosystem services. Ecological Modelling, 2012,229:16-24.

[76]
Chen X, Viña A, Shortridge A , et al. Assessing the effectiveness of payments for ecosystem services: An agent-based modeling approach. Ecology and Society, 2014,19(1):1-15.

[77]
Sun Z, Müller D . A framework for modeling payments for ecosystem services with agent-based models, Bayesian belief networks and opinion dynamics models. Environmental Modelling & Software, 2013,45:15-28.

[78]
Yang Weishi . Construction and application of an agent-based regional land use change model (APUS): A case study in Tongdu Town, Kunming[D]. Guangzhou: Sun Yat-sen University, 2019.

[ 杨微石 . 区域土地利用变化多主体模型APUS 的构建及应用: 以昆明市铜都镇为例[D]. 广州: 中山大学, 2019.]

[79]
Janssen M A, Alessa L N, Barton M , et al. Towards a community framework for agent-based modelling. Journal of Artificial Societies and Social Simulation, 2008,11(2):6.

[80]
Grimm V, Berger U, Bastiansen F , et al. A standard protocol for describing individual-based and agent-based models. Ecological Modelling, 2006,198(1-2):115-126.

[81]
Bert F E, Podestá G P, Rovere S L , et al. An agent based model to simulate structural and land use changes in agricultural systems of the Argentine pampas. Ecological Modelling, 2011,222(19):3486-3499.

[82]
Schreinemachers P, Berger T . An agent-based simulation model of human-environment interactions in agricultural systems. Environmental Modelling & Software, 2011,26(7):845-859.

[83]
An L, Zvoleff A, Liu J , et al. Agent-based modeling in coupled human and natural systems (CHANS): Lessons from a comparative analysis. Annals of the Association of American Geographers, 2014,104(4):723-745.

[84]
Müller B, Bohn F, Dreßler G , et al. Describing human decisions in agent-based models - ODD plus D, an extension of the ODD protocol. Environmental Modelling & Software, 2013,48:37-48.

[85]
Laatabi A, Marilleau N, Nguyen-Huu T , et al. ODD+ 2D: An ODD based protocol for mapping data to empirical ABMs. Journal of Artificial Societies and Social Simulation, 2018,21(2):1-9.

[86]
Parker D C, Brown D G, Polhill J G , et al. Illustrating a new conceptual design pattern for agent-based models of land use via five case studies: The MR POTATOHEAD framework//Agent-based Modelling in Natural Resource Management. Castilla-La Mancha: Universidad de Valladolid, 2008: 23-51.

[87]
Filatova T, Verburg P H, Parker D C , et al. Spatial agent-based models for socio-ecological systems: Challenges and prospects. Environmental Modelling & Software, 2013,45:1-7.

[88]
NRC. Advancing Land Change Modeling: Opportunities and Research Requirements. Pittsburgh: National Academies Press, 2014.

[89]
Rounsevell M, Arneth A, Brown D , et al. Incorporating human behaviour and decision making processes in land use and climate system models. GLP Report, 2012.

[90]
Castella J C, Verburg P H . Combination of process-oriented and pattern-oriented models of land-use change in a mountain area of Vietnam. Ecological Modelling, 2007,202(3/4):410-420.

[91]
Rounsevell M D A, Arneth A, Alexander P , et al. Towards decision-based global land use models for improved understanding of the Earth system. Earth System Dynamics, 2014,5(1):117-137.

[92]
Van Vliet J, Bregt A K, Brown D G , et al. A review of current calibration and validation practices in land-change modeling. Environmental Modelling & Software, 2016,82:174-182.

[93]
O'sullivan D, Evans T, Manson S , et al. Strategic directions for agent-based modeling: Avoiding the YAAWN syndrome. Journal of land use science, 2016,11(2):177-187.

Options
Outlines

/

〈 〉