土地利用变化智能体模型研究进展

文章编号：1672-5603（2019）02-11-5

土地利用变化智能体模型研究进展

贺增红*

（云南师范大学旅游与地理科学学院，云南 昆明 650500）

摘 要 土地利用/覆被变化是在自然、社会和人类决策者的时空多尺度综合作用下发生的，具有高度的复杂性。基于复杂系统理论并以土地使用决策者为核心的智能体模型对于描述人地关系中的“人本”思想和复杂交互具有重要的意义。文章在对基于智能体模型的内涵以及应用领域进行分析的基础上，指出目前智能体模型的发展主要面临三个方面的问题：数据可获得性、行为建模的制约以及模型校准和验证。综合目前研究的进展与面临的问题，提出了基于智能体模型的发展趋势：（1）大数据与数据价值挖掘；（2）多角度探索决策规则；（3）创新校准和验证方法。

关键词 智能体模型；模型问题；发展趋势

中图分类号：F301.24 文献标识码：A

Research Progress of Agent Model in Land Use Change Simulation

He Zenghong

（College of Tourism and Geographic Sciences, Kunming Yunnan 650500）

Abstract: Land use/cover change occurs under the combined effects of natural, social and human decision makers in time and space, with a high degree of complexity. The agent model based on complex system theory and based on land use decision makers is of great significance for describing the "human-centered" thinking and complex interaction in human-land relationship. Based on the analysis of the content of the agent-based model and the application field, the paper points out that the development of the agent model mainly faces three challenges: data availability, behavioral modeling constraints, and model calibration and verification. Based on the current research progress and challenges, the development trend based on agent model is proposed: (1) big data and data value mining; (2) multi-angle exploration decision rules; (3) innovation calibration and verification methods.

Keywords: agent-based model; model challenges; model prospects

*第一作者简介：贺增红，男，1993年生，硕士研究生，主要从事资源环境遥感应用研究。E-mail: moyuduye123@。 收稿日期：2019-04-12；　改回日期：2019-05-13。

土地利用/覆被变化（Land use/Cover change, LUCC）系统是社会生态系统的重要组成部分，对全球气候变化、生物多样性以及可持续性发展等具有重要影响。因此，通过一定的方式获得对LUCC 的认知极为重要。模型模拟是常见的认知客观世界的手段，模型的描述解释能力可以提高人们对土地变化系统起因、过程和结果

的理解，而模型的预测能力则能够为更合理的土地利用提供建议。LUCC 是在生物物理因素、社会经济因素与土地使用者的多时空尺度下综合作用形成的，具有高度的复杂性。因此，模型模拟需要考虑多重驱动因素以及因素之间的关联作用，以解释土地系统的复杂性问题。传统的LUCC 模型多以经济学、统计学和地理学等

著。然而，这些模型对土地使用决策者的重视不足，对土地变化系统的多尺度与层次以及复杂反馈关系的分析也较为欠缺，导致对实际土地变化系统的模拟能力一般。因此需要更好的方法来深入理解土地变化系统。复杂系统理论作为复杂性科学的一部分，能够对系统的无序性、动态性以及多层次耦合性等特性进行描述，可以对土地系统的复杂性进行很好的描述[1]。而基于智能体的模型（Agent-Based Model, ABM）是描述复杂系统的重要手段，能够为土地变化系统的微观模拟和复杂性研究提供新的思路。文章从介绍ABM的基本内涵及在LUCC研究的适用性出发，分析该模型在LUCC应用中面临的问题，并以此为基础，对模型发展前景进行展望，以期为基于智能体的模型在土地利用/覆被变化系统中的研究（ABM/LUCC）提供思路。

1 ABM的内涵与应用

1.1 ABM的内涵

ABM是在复杂系统理论的基础上对微观实体的行为机制进行研究，其模拟的对象是agent，可以称为智能体、代理或者主体等，文中采用智能体进行表述。智能体可以是个人、家庭、政府等社会组织结构中的任何层次，不同的层次代表着各自在土地使用中所拥有的决策能力。因此可以在多个尺度上研究系统，并且可以将各部分以不同比例规定整合成一个整体。ABM模型通过对智能体的异构决策和行为进行模拟，从而解释土地系统内部微观主体作用下导致的变化现象，一般由智能体、对象、环境和决策规则四部分构成[2]。智能体所表示的行为主体通常具有自主性、异质性、适应性和学习能力等特性[3]，从而对目标进行决策。目标对象则是智能体所作用的客观事物，不同层次的智能体所能决策的对象的属性不同。环境指智能体和对象所在的空间范围，包括社会环境和物理环境两部分，社会环境一般指社区等具有人文色彩的区域，物理环境表示地形等自然间的复杂交互关系。

智能体模型在LUCC研究中具备以下优势。首先它能够模拟实体的属性和行为以及实体之间的相互作用，并通过自下而上的模拟方式将微观决策与宏观现象关联起来，而这种对微观行为主体的模拟是传统经验统计模型所欠缺的[4]。其次，ABM/LUCC能够将社会过程和非经济因素如政策规划、受教育程度等纳入决策，考虑智能体所处的社会背景因素，从而实现更真实的模拟。最后，ABM具备连接社会和环境过程的能力，能够将不同层次智能体对环境的影响以及环境对智能体的反馈作用更好的表达出来，凸显社会组织结构的层次与LUCC空间变化尺度的交互。使用智能体作为模拟的基本单元，其弊端在于将智能体的行为与空间区域联系起来存在困难，并且难以充分表现空间行为。虽然这个问题的一部分与数据可用性有关，但将基于栅格的经验模型中的空间分析与ABM中社会结构的层次相结合可较好地表示空间和社会组织[5]。

1.2 ABM/LUCC应用研究

尽管ABM模型在土地变化科学的模拟中有着巨大的优势，但并不是所有的模拟过程都需要用到智能体模型，一般适用于需要突出人类主体作用或者可能出现突发现象的情况[6]。此时，个体的行为是非线性的，表现出路径依赖、迟滞、非马尔科夫行为或学习和适应等时间相关性，统计学方法难以全面刻画这些行为，只能通过阈值设定、规则制定或者非线性耦合等进行解释。

在应用领域方面，ABM/LUCC主要应用于城市LUCC模拟、农业LUCC模拟和自然资源管理应用模拟[7]。城市LUCC中个体属性的差异以及个体之间的交互反馈关系能够对城市形态变化与城市土地利用变化产生影响。如周淑丽等[8]采用城市土地利用现状图，构建了矢量多智能体城市扩张动态模型，将模型应用于广州市番禺区，模拟了其2003-2008年城市扩张情