《Frontiers in Sustainable Food Systems》：Agent-based models and mixed crop-ruminant livestock systems: advances, gaps, and implications for decision-making
编辑推荐：
基于智能体（AB）模型已成为模拟农业系统的强大工具，使研究人员和政策制定者能够探索生物物理过程、人类决策与社会-生态动态之间的复杂相互作用。在混合作物-家畜系统中，AB模型在评估替代管理策略、改善资源利用以及评估经济绩效与环境结果之间的权衡方面具有特殊前景。然
基于智能体（AB）模型已成为模拟农业系统的强大工具，使研究人员和政策制定者能够探索生物物理过程、人类决策与社会-生态动态之间的复杂相互作用。在混合作物-家畜系统中，AB模型在评估替代管理策略、改善资源利用以及评估经济绩效与环境结果之间的权衡方面具有特殊前景。然而，AB模型在这些混合系统中的应用仍然有限，在行为多样性、反馈机制和结构复杂性方面存在显著空白。本综述综合了AB模型在农业中的应用现状，并指出了其在混合作物-家畜系统开发和使用中的关键差距。以农村未来多智能体模拟（RF-MAS）模型为案例，研究人员强调了当前建模方法的优势和局限性。研究人员认为，未来的基于智能体模型必须纳入更真实的智能体行为、系统级交互和特定情境约束，以更好地支持这些集成系统中的决策。
论文主体部分总结如下：
**1 引言**
传统数学模型在捕捉农业系统的复杂性方面常常存在不足，尤其是在社会行为和对变化的适应方面，决策通常发生在复杂网络内。为捕捉这些复杂性，研究人员对基于智能体（AB）模型、多智能体模拟模型或多智能体系统的兴趣日益增长。这些模型模拟个体决策实体（智能体），如农民或农户，允许对农业系统进行自下而上的表示。智能体之间以及与其环境进行交互，并能因这种交互做出决策并修改其行为。在这种建模方法中，智能体在一个由地点（如气候和土壤）、土地利用、经验以及制度和网络（如其他智能体类型，如区域环境机构、市场和政策）调节的生物地理物理环境中运行。AB模型特别适用于处理农业系统的复杂现实，因其能够捕捉复杂的社会动态和个体决策过程。这些模型基于方法论个体主义，强调智能体及其与环境交互的独特性。AB模型已被广泛应用于捕捉各个农业领域的复杂性，包括环境足迹与政策、土地利用变化与资源管理，以及气候变化适应与韧性。混合作物-反刍家畜系统比单一作物系统更复杂，且组件之间表现出更强的交互作用，对土壤肥力和生物过程产生积极影响。这些影响最可能是混合作物-反刍家畜养殖最知名的整合形式的结果，即使用作物残留物作为动物饲料，并反过来使用动物排泄物作为作物生产的养分。应考虑农场尺度指标（理想情况下应用于更大尺度）和不同的智能体关系，以确定能够提高其在农业生态和社会经济背景下采用率的策略和差距。AB建模已应用于更专业化的生产系统，如畜牧业和种植业系统，但将AB原理应用于混合作物-反刍家畜系统的决策仍有待探索。
**2 系统文献综述——当前知识状态**
在过去二十年中，将AB模型应用于农业的兴趣和专业知识显著增长。研究人员进行了有针对性的系统检索，以寻找关于农业中AB模型的同行评审出版物。在Scopus数据库中，使用关键词和布尔运算符进行分步搜索，结果显示了AB模型在农业中的演变。研究从经济导向的决策者（侧重于资源分配和市场互动）逐渐演变为嵌入耦合社会-环境系统中的智能体（处理土地利用变化、政策影响和创新），再到最近认知丰富的智能体（纳入行为理论和对气候变异性和不确定性的适应性响应）。对搜索结果的进一步细化包括以混合作物-家畜系统为主要农业或农业系统的文章，共获得96篇出版物。再经过进一步筛选，最终选出77篇文章，其中11篇使用AB模型评估混合作物-家畜系统和/或可持续畜牧系统，7篇说明AB模型在农业和土地利用政策中的应用，6篇说明AB模型在农民决策中的应用。
**3 基于智能体模型与混合作物-反刍家畜系统**
系统文献综述产生了11篇使用AB模型评估混合作物-家畜系统涌现变量的文章。这些文章在模型架构、空间和行为的表示、生产系统和家畜类型以及AB模型的作用和贡献方面呈现出多样性。这些文章的聚类突出了AB模型在农业中的两个主要用途：（i）作为整合生物物理和社会经济过程的框架，以及（ii）作为表示农民行为的决策过程。在前者中，一个显著趋势是将AB模型与生物物理过程模型耦合，以实现对作物-家畜系统复杂动态的更完整表示。例如，Bayram等人（2023）将生命周期评估（LCA）模块集成到AB模型框架中，从而能够直接量化个体动物甲烷排放和富营养化潜力作为农民个体智能体决策的结果。在决策过程表示方面，研究通过明确建模农民行为、管理决策和采用动态来强调这一点。在空间分辨率上，模型范围从地块和农场级别到村庄、景观、区域和国家级别。与在线性规划模型下最大化单一目标函数不同，所综述的研究采用了丰富的决策框架，更真实地表示农民行为和决策的复杂性。Bayram等人（2023）引入了心理属性，即绿色意识和风险规避，作为决策的主要驱动因素。
**4 基于智能体模型与农业和环境政策**
AB模型常被用作评估治理和社区参与有效性的诊断工具。在政府层面，模型作为政策实验室，能够对农业环境补贴进行事前评估，识别意外效应，并在大规模实施前评估成本。SWISSland模型和Bayram等人（2023）开发的混合AB-LCA模型体现了这种监管应用。在社区参与方面，模型作为社会学习和参与式共同设计的平台。Berre等人（2021）开发的严肃游戏和Catarino等人（2021）的迭代情景构建方法使农民和当地政府能够可视化其技术决策的长期后果。政策相关论文共同强调了AB模型如何通过整合结构（土地利用变化）、环境和财务维度来捕捉农业系统的复杂性。这些研究大致可分为三类：（i）政策驱动的土地利用变化和结构转型，（ii）对经济和政策激励的行为响应，以及（iii）环境监管和生态系统结果。一些研究表明，政策结果不仅受经济理性影响，还受人口动态（如农场继承和老龄化）以及影响实践在农业社区传播的社会互动影响。另一组研究使用AB模型与生物物理过程的耦合，证明环境法规是结构变化的驱动因素。
**5 基于智能体模型与农民决策**
决策部分的研究旨在探索驱动农民选择的认知、社会和行为过程，通常超越简单的利润最大化，包括感知、信任和社会影响。这些研究强调了农业系统中的人为维度，表明农民行为受认知、社会与生物物理相互作用的影响。一些工作表明，采用实践或参与政策的决策并非自动完成，而是取决于感知-响应机制，如农民如何评估行动的紧迫性和重要性及其对机构的信任水平。其他研究表明，决策受社会动态的强烈影响，行为和态度通过网络传播，不同类型的社交联系（弱/强）和咨询系统在可持续实践的扩散中发挥关键作用。行为成分与生物物理模型（CENTURY, DSSAT, LCA）的整合因其高技术复杂性而闻名，揭示了人类决策、资本投资（如土壤肥力）和环境过程（如碳动态）之间的强烈反馈，从而强化了社会-生态系统的相互关联性。
**6 基于智能体模型在混合作物-家畜系统中应用的差距与机遇**
尽管具有潜力，但使用AB模型评估混合作物-家畜系统的复杂性仍远未充分探索。一个反复出现的技术进步是模型的混合化。AB模型作为决策模块，与经过验证的生物物理模型耦合，以模拟混合作物-家畜系统中的精确复杂过程。这些系统需要能够捕捉作物和家畜组件之间协同作用和交互的全部范围的模型。大多数AB模型没有完全整合养殖和畜牧活动之间的反馈循环，如粪便管理、放牧轮作和饲料可用性。时空分辨率似乎是那些需要空间明确表示的AB模型中的一个差距。复杂系统中涌现模式的验证仍然是几乎所有AB模型的主要方法论挑战。尽管网络通常以结构形式表示，但流经这些网络的定性动态在混合作物-家畜系统中很少被深入探索。
**7 基于智能体模型农村未来多智能体模拟（RF-MAS）作为案例研究**
为更具体地探索这些限制，研究人员使用了RF-MAS模型作为案例研究。RF-MAS模型最初为量化营养物排放限制的区域成本和影响而开发，并验证了其应用性。该模型包括一个基础层（捕捉农场位置、规模和生产力）、一个生产预算层（为所有土地利用方式提供预算）和一个农民智能体层（基于社会、经济和人口参数）。模拟过程中顺序执行三个主要过程：制度变化、环境变化和每个智能体的土地利用决策。尽管取得了这些努力，但仍存在以下知识差距：7.1 时空动态：模型未包含与主要活动以外的土地利用相关的农民决策，且未能捕捉作物和家畜子系统之间的动态反馈。7.2 系统级变化：当营养物限制要求超过现有缓解选项时，模型默认进行土地利用变化，而不考虑奶牛养殖实践的系统性转变。7.3 缓解选项的聚类：缓解策略被分组为三个捆绑包，可能高估了经济和环境效应。7.4 采用障碍：模型未考虑阻碍采用高效和盈利实践的实际约束。7.5 农民异质性：模型未考虑阻碍采用实践的实际约束，且忽略了更结构化的网络。7.6 农民债务与搁浅资产：模型未明确纳入信贷约束或债务。7.7 技术变革：生产力增长仅基于历史趋势，限制了前瞻性。为更好地支持混合作物-家畜系统的决策，AB模型应朝着更实证的基础、更精细的时空分辨率和更深入的人类决策表示发展。
**8 结论性评论**
综述文献的综合分析突显了农业系统研究中的范式转变，即AB模型越来越多地被用于将农业表示为复杂的社会-生态系统。共同主题是认识到农业系统不能通过简化或纯生物物理方法充分理解。AB模型整合了异质性智能体，捕捉了智能体之间交互产生的涌现动态。第二大发现是决策过程与生物物理模型的日益整合，反映了人类行为与环境动态之间更紧密的耦合。最后，综述文献强调了在更广泛的领土和政策背景下考虑农业的重要性。尽管取得了进展，但仍存在若干差距，包括动态和空间明确过程的不足表示、涌现模式的验证挑战、缺乏可跨情境操作的通用建模框架，以及对社会深层维度的有限探索。加强AB模型反映农场和混合作物-家畜系统多样性和动态性的能力，对于设计更具包容性和适应性的农业政策至关重要。
