SMARTscape：一种基于代理的模型，用于分析乡村景观的多功能性

《Environmental Modelling & Software》：SMARTscape: An agent-based model to analyse rural landscapes multifunctionality

景观多功能性通过整合社会与空间动态的SMARTscape模型分析，发现土地强度与破碎化是主要驱动因素，综合决策规则（基线+邻居+社交网络）能提升生态与经济绩效，行为多样性优化了服务权衡。

　　土地利用变化和行为适应是应对全球环境危机的关键因素。本研究旨在探索实现可持续粮食生产同时促进多功能性路径。我们开发了一个名为SMARTscape的实证模拟的多智能体模型（ABM），用于模拟土地利用模式、生态系统服务（ES）供应和决策之间的相互作用。SMARTscape结合了三种智能体行为类型——照常运营（BAU）、以利润为导向（PO）和以环境为导向（EO），并引入了三种决策规则，代表社会复杂性的增加。智能体与四个集体实体（邻居、同行、行业组织和政府）进行互动，从而模拟自下而上和自上而下的影响机制。我们设计了一个包含5种土地利用构成、3种决策规则和4种智能体行为组合的因子实验，共测试了60种情景，其中15种情景分析了从高度破碎化到高度集中的10种集群规模对多功能性的影响。研究结果表明，土地利用强度和破碎化是多功能性的主要驱动因素。然而，在高强度土地利用情境中，以利润为导向的行为可能优于以环境为导向的策略，特别是通过采用多年生系统。行为多样性有助于管理权衡。综合决策机制始终能带来更高的多功能性，突显了社会影响的重要性。SMARTscape展示了将社会和空间动态整合到灵活建模平台中的价值，为在缺乏数据但政策相关的情境下探索可持续土地利用转变提供了理论洞见和工具。

在新西兰，农业部门贡献了53%的温室气体（GHG）排放，包括43%的甲烷和5.5%的氧化亚氮。因此，采用气候缓解和适应策略成为农业部门的优先事项。新西兰的农业也是该国最大的商品出口贡献者（占80.9%），这使得在确保盈利能力的同时应对环境挑战成为一项关键任务。新西兰面临着将农业生产力与环境可持续性协调一致的紧迫挑战，推动了对能够提供多种生态系统服务的农村景观的需求。SMARTscape模型的设计目标包括：（i）开发一个灵活的ABM，以适用于多种农村景观；（ii）在不同地形、管理强度和空间配置的景观中运行多个情景，这些情景基于不同的决策规则和行为组合；（iii）提供这些情景的空间显式评估，以识别表现最佳的情景。研究还测试了以下假设：1）广延景观比集约景观提供更多的ES，但这一模式可能在考虑可持续性和盈利能力时发生变化；2）决策规模的累积效应有助于更好地提供ES和多功能性；3）行为类型对多功能性的影响取决于景观强度；4）多功能性主要由土地利用强度和破碎化决定；5）破碎化景观在ES供应和多功能性方面表现较差，但这一结果取决于初始的土地利用强度。

本研究采用了Overview, Design concepts and Details (ODD)协议来描述模型。SMARTscape被设计为一个生成模型，用于社会-生态系统的理论发展。它使用了土地所有者、决策规则和景观的简化表示，以探索多功能性模式如何从个体行为和多尺度影响中产生。SMARTscape是一个知识支持模型，有助于深入了解不同社会-环境条件下农村景观动态中的因果互动和权衡。模型通过NetLogo软件实现，所有细节，包括安装说明、用户指南、参数和计算方法，均在附录中描述。

模型中的智能体代表人类土地所有者和决策者，分为五种类型：种植者、畜牧农民、林地所有者、保护土地管理者和地产开发商。每种类型与特定的土地利用方式相关联。智能体响应来自集体实体的信息和激励，包括邻居、同行、行业组织和政府。这些实体通过影响智能体的行为，塑造了其土地利用决策。在虚拟景观中，土地利用构成和空间分配具有随机性，而在真实景观中则基于GIS数据生成。

模型中的智能体根据其行为类型做出决策。行为类型包括照常运营（BAU）、以利润为导向（PO）和以环境为导向（EO）。在BAU行为下，智能体通常保持当前土地利用；在PO行为下，智能体选择最能带来最大经济收益的土地利用；在EO行为下，智能体选择最有利于增加碳储存或可持续生产方法的土地利用。当没有共识或多数意见时，智能体则从可行选项中随机选择新的土地利用方式。这些互动决定了景观的空间动态和最终的景观配置。

研究中还测试了不同决策规则对景观性能的影响。规则包括基础规则、基础规则与邻里影响、基础规则、邻里影响与社会网络影响的组合。这些规则对景观性能指标产生了不同的影响，例如在基础规则与邻里影响的组合下，景观的多样性增加，而在基础规则与社会网络影响的组合下，景观的碳储存和栖息地质量得到提升。同时，智能体行为比例的调整对景观性能也产生了显著影响，特别是以利润为导向的智能体在集约景观中表现更优，而以环境为导向的智能体则在特定情境下表现出较低的ES供应。

在分析过程中，我们使用了统计方法，如方差分析（ANOVA）和主成分分析（PCA），来评估模型的稳定性和敏感性。PCA结果显示，88.6%的方差被前三个因子轴所解释，其中第一个轴主要反映了景观集约化程度的影响，第二个轴区分了畜牧业生产与作物生产，第三个轴则与景观的破碎化程度相关。这些分析表明，景观强度、决策规则和行为类型在不同情况下对多功能性的影响具有显著差异。例如，集约化景观在所有ES供应和多功能性指标中表现最好，而广延景观则在生态服务如碳储存和鸟类适宜性方面表现更优。

此外，研究还探讨了景观破碎化对多功能性的影响。随着初始土地集群规模的增加，多功能性指标通常下降，特别是在集约化景观和中等集约化景观中。然而，在新西兰的景观中，更大的土地集群有助于提高多功能性，特别是在鸟类适宜性和碳储存方面。这些结果表明，景观的结构和决策过程之间的相互作用对多功能性至关重要，而不仅仅是单个因素的独立影响。

SMARTscape模型的稳定性分析显示，模型在不同情景下的输出具有高度一致性，表明其结构和规则具有良好的稳定性。此外，模型的随机性主要来源于初始景观配置和智能体的土地利用决策，而这些决策的微小变化也会导致输出的显著差异。这些发现支持了模型的可靠性，并为其在不同情境下的应用提供了理论基础。

本研究的结果表明，多功能性不仅取决于土地利用模式，还受到智能体行为多样性和社会-机构激励结构的影响。在新西兰的情境中，多样化的行为类型、协作治理和基于地方的规划对于推动多功能和可持续景观至关重要。SMARTscape模型展示了如何通过整合空间动态、智能体行为多样性和多尺度社会影响，为理解景观多功能性提供了一种灵活的工具。未来的发展方向包括分析模型在不同景观和环境条件下的可重复性和可移植性，以及将其作为决策工具，帮助地方和区域利益相关者理解和构建自己的多功能景观。这些努力旨在进一步提升模型的通用性和实用性，使其能够更广泛地应用于全球范围内的土地利用研究。