综述：基于Agent建模的食物系统行为洞察整合范围综述

这篇综述系统评估了55项研究，揭示了基于Agent建模（ABM）在食物系统模拟中的应用现状，重点指出36%的模型缺乏行为理论或数据支撑，呼吁加强行为假设的稳健性验证，并推荐采用ODD+D协议提升模型透明度。

　　

Agent-Based Modelling在食物系统研究中的应用与挑战

Abstract
Agent-Based Models（ABMs）通过模拟异质主体在社会与环境中的交互，为食物系统建模提供了跨学科方法。然而模型有效性高度依赖行为假设的合理性。本综述发现超过三分之一的ABM研究既未采用行为理论也未使用实证数据支撑假设，凸显模型验证的迫切需求。

1. Introduction
食物系统涵盖生产、分配、消费环节，受政策、技术创新和气候变化多重影响。ABMs因其自下而上的特性，能捕捉个体决策如何引发系统级现象。但现有模型常忽视行为假设的理论基础，这与ABMs核心优势形成矛盾——毕竟“垃圾进，垃圾出”（Garbage in, garbage out）的建模箴言在此同样适用。

2. Food systems
政治报告常关注两大方向：

• 环境维度：气候适应性农业（如零毁林供应链）
• 健康维度：全民营养保障
  研究领域可分为经济（税收/贸易）、生物物理（作物生长）和社会（文化行为）三大学派。空间尺度从村庄到全球，而研究焦点沿“生产→供应链→全系统”层级递进，复杂度呈指数增长。

3. Agent-based modelling
3.1 行为假设的构建
理论基石：

• 理性选择理论（EUT）占主导
• 计划行为理论（TPB）解释动机
• 莫HuB框架助力跨学科理论筛选

数据来源：

• 调查问卷（占比最高）
• 田野观察（质性见长）
• 机器学习挖掘历史数据潜力

3.2 影响域
经济因素主导决策（占比69%），环境与社会影响呈“作用-反馈”双向模式。时空维度、学习适应能力构成关键调节变量。

3.3 建模方法

• 优化算法（理性假设）
• 启发式规则（满意原则）
• 随机过程（不确定性）
  混合使用率达43%，但仅54%模型经过校准验证。

4. Applications
4.3.1 现状分析
环境经济学论文占比69%，但ODD+^D协议使用率不足15%。令人担忧的是：

• 20/55研究无行为理论/数据支撑
• 实验数据应用为零
• 9项研究实现理论-数据双验证

4.3.2 分辨率权衡
生产环节模型占 municipality 尺度研究的48%，而消费模型多聚焦城市尺度。智能体类型中，政府主体常被归为“其他”类，反映政策建模的粗粒度特征。

5. Discussion & conclusion
三大改进方向：

1. 行为锚定：推荐采用实验室实验+MoHuB框架
2. 奥卡姆剃刀：优先村级生产系统模型
3. 透明化：强制使用ODD+^D协议

正如Box所言“所有模型都是错的，但有的有用”——当ABMs能精准捕捉农户在旱季的种植选择如何引发区域粮价波动时，其价值便熠熠生辉。未来可探索ABM与系统动力学模型的耦合，在“简单必要”与“复杂真实”间寻找黄金平衡点。