摘要:农业土地变化是全球变化与可持续研究的热点，当前研究虽取得了长足进展，但仍存在诸多不足，集中表现在对农业土地系统复杂性与动态性的认识不够。近年来，基于Agent的农业土地变化研究(农业ABM/LUCC，Agent-basedagriculturallandchangemodeling)逐渐兴起，极大的丰富了传统研究的理论与方法，具体表现在:(1)农业ABM/LUCC将微观层面的人类个体行为整合进土地变化研究框架，有助于更加清楚的认识农业土地系统的“人类-自然”综合复杂性问题。(2)农业ABM/LUCC能够动态表达土地系统变化的内生反馈机制，有助于弥补传统的静态土地变化驱动机制分析的不足。(3)基于ABM/LUCC的农业土地利用格局动态研究是整合“人类-自然”综合研究的关键桥梁，农业ABM/LUCC能够与其他生物地球物理模型或经济模型动态嵌套，使多尺度、多维度综合模型研究成为可能。然而，农业ABM/LUCC研究也存在诸多挑战，如理论研究滞后于应用研究，大尺度应用难以开展，以及农户行为的模拟结果很难得到校验等。

　　关键词:ABM/LUCC，农业土地变化，复杂性，动态性，耦合的“人类-自然”系统

　　人类生活在一个“人类社会-自然环境交互作用的耦合系统”中，从自然界索取资源要素(如食物、能源、原材料等)，服务于自身发展。土地作为一种重要的综合性资源，不仅是人类居住、生活的场所，同时又是人类从事各种活动最基本的生产资料和劳动对象。据统计，人类所需绝大部分的食物供给与原材料供给均产出自农业用地，这使得人类活动与自然因素综合作用的农业土地系统成为人类-自然关系最为重要桥梁和纽带。全球变化背景下，人类活动与自然因素的综合作用使得农业土地利用与覆被格局不断变化，给全球可持续发展带来了巨大的挑战。在地理科学、生态学、全球变化与可持续研究的不断推动下，自20世纪90年代以来，国际全球环境变化人类行为计划(IHDP)和国际地圈生物圈计划(IGBP)共同执行土地利用/覆被研究(LUCC)与后续全球土地计划(GLP)，极大促进了“土地变化科学”的诞生，继而推动了农业土地变化研究的长足发展。

　　农业土地变化研究主要包括农业土地变化(包括土地利用类型变化，农作物空间格局变化，以及种植制度变化等)的时空过程探测、驱动机制分析、过程仿真模拟及宏观生态效应评价等方面，其核心目的在于理解和解释农业土地系统的“人类-自然”综合复杂关系，进而为可持续发展提供科学服务。然而，目前这一综合复杂关系仍旧很难得到科学合理的解释。原因主要在于:(1)当前许多研究大都基于自然科学方法，注重对农业土地系统中自然环境要素的研究而忽视对人类活动的研究，尤其是忽略微观个体行为的重要作用。(2)当前许多研究大都认同农业土地变化遵循“驱动因子—变化结果”这一静态变化模式而忽视由反馈环路引起的动态变化过程，难以真正认识土地变化的驱动机制。近年来，基于主体的模拟(Agent-basedmodeling，ABM)开始应用于土地变化科学，兴起了农业ABM/LUCC研究，极大的丰富与发展了传统研究的理论与方法，有助于更加科学的理解和解释农业土地系统的复杂性和动态性问题。本文主要从农业ABM/LUCC的理论基础、建模方法、以及跨学科应用等方面展开讨论，旨在为进一步推动农业土地变化研究提供参考。

　　1、理论基础:复杂系统理论与农业土地系统的复杂性ABM是复杂性科学发展的一种“自底而上”的建模方法。复杂系统理论认为复杂自适应系统一般由无数处于底层的且异质的微观主体所构成，微观主体的活动与系统宏观功能或特征之间会产生协同影响，ABM的目的即是通过模拟复杂系统中微观主体的行为过程来表达系统宏观层面的作用结果。ABM与系统复杂性的关系密不可分，ABM是认识系统复杂性的重要方法，而系统复杂性又是ABM研究的核心理论基础。复杂性科学为传统农业土地变化研究提供全新范式，如何从理论上认识农业土地系统的复杂性是农业土地变化研究面临的新命题:首先，农业土地系统是人类社会与自然系统的耦合，其内部有复杂的层级或平行关系，是典型的复杂系统。农业土地系统的复杂性主要来自于两大子系统的不同特质、子系统内部及子系统之间相互联系、相互影响等;其次，除了复杂系统的一般特性外，农业土地系统还表现出时空异质性，尺度敏感性，自然与社会综合性，以及系统反馈效应等特征。农业土地系统的复杂性问题是农业土地变化研究的难点之一，具体表现在描述、理解及解释土地利用的时空格局及其动态变化过程、实现土地变化模拟过程中的尺度转换、表达人类活动与自然环境的相互作用关系、以及阐明土地系统的控制与反馈机制等。目前对于这些问题的理论认识仍然不足，相关理论研究仍需继续强化。

　　2、模型研究:基于微观个体行为的建模

　　模型始终是农业土地变化研究的重点，农业土地变化模型将农业土地系统变化的现实问题归结为相应的数学问题，利用数学的概念、方法和理论进行深入的分析和研究，从定性或定量的角度来刻画实际问题，并为解决现实问题提供数据或可靠的指导。根据模型建立的理论方法，现有的农业土地变化模型可分为经济模型和地理模型。经济模型又可称作经验统计模型，这类模型仅侧重于研究分析土地变化的数量和速率特征，对变化的空间分布并不给予太多考虑;地理模型又可称作空间显性模型，这类模型基于空间网格，综合考虑诸多限制因素和转换规则，将土地变化变化的数量逐步分配到一定的土地利用空间单元中，从而实现空间显性表达。近10多年来，农业土地变化模型发展以空间模型为主，借助于计算机技术、遥感和GIS技术，模拟表达一定时空尺度上农业土地变化的空间显性分布和格局特征，分析土地利用的空间格局和生态环境的空间变异性关系，并研究自然、社会经济等驱动因子对土地变化空间差异的影响。然而，这些空间模型共同存在一个不足之处，就是它们都忽略了农业土地系统中人类活动的重要性。

　　根据Volk和Ewert的定义，农业系统即是人类主导管理的土地利用系统。由此可见，人类活动及其决策过程对农业土地变化以及整个农业系统的重要作用。人类活动及行为具有明显的层级性，由宏观至微观可具体分为:政府行为、社会行为、与个体行为。其中，政府行为、社会行为存在明显的宏观性，其代表着人类活动的一般性趋势与特征。而个体行为却与之相反，不同个体间的异质性导致他们决策行为的呈多样化态势，且一般来说，个体行为对事物的发展更加具有决定作用。目前，环境模拟领域已经开始重视“基于利益相关者建模”的思想。当前一些研究开始将农户的接受意愿作为评价市场与政策影响机制的关键转换器，而不再是直接评价市场与政策因素对宏观农业产出的影响。同时也有一些研究开始将宏观层次上农业土地利用空间格局理解成农户选择决策行为和过程的汇总和综合，即宏观尺度格局是从微观过程涌现出来的。

　　尤其是近年来，ABM在社会学模拟方面取得了重要进展，已经能够科学的模拟人类自组织决策行为的过程与效应。为此，许多学者将ABM整合到土地变化模型中，使关注微观个体行为的农业土地变化模型研究成为可能。环境因素对异质的微观主体的作用效果不能简单地一概而论，ABM/LUCC虽然不能精确的模拟每一个微观主体的决策行为，但通过对微观决策结果的汇总与综合，其对系统宏观状态的预测往往较为科学。

　　农业ABM/LUCC模型即是通过研究微观主体(一般指农户)的行为活动与其所处环境的自组织适应关系，预测农户的土地利用决策行为，进而表达宏观尺度土地利用格局的动态变化过程。

　　3、驱动机制:人类行为对环境的动态响应

　　土地变化驱动机制分析同样是农业土地变化研究的重点，其直接揭示了土地变化的原因及影响因素的作用途径，是构建土地变化模型的基础。影响土地变化的驱动因子主要包括自然条件、气候变化、经济规模、产业结构、管理政策、和人口结构等，传统研究通过应用多种系统分析与数理统计方法建立土地变化与这些驱动因子之间的关系，从而定量表达土地变化的驱动机制。然而，这类方法却存在很多局限:第一是仅从宏观角度解释。经验统计方法仅仅能从宏观层面对土地变化的驱动机制进行解释，而忽视土地利用微观主体对土地利用格局的影响，存在明显的片面性。第二是研究思路相对静态。传统方法习惯将驱动因子与变化结果静态分割，即简单的认为驱动因子决定了土地变化的结果，而忽略了土地变化的结果与效应对驱动因子会有反馈作用，另或仅仅把系统内生的反馈机制当成外生的“输出转输入”的问题来考虑，这些假设均难以科学表达土地系统变化的内在原因。第三是属性数据间化存在困难。当前许多土地变化研究均是基于空间网格单元的分析，这就需要将各种属性数据进行空间网格化处理，其中自然属性空间化可以通过地理差值等方法实现，而社会经济数据的空间化往往比自然属性空间化更为复杂。第四是尺度问题。当前许多研究忽视对空间幅度、空间粒度、时间幅度、时间粒度、以及土地分类精度等主要尺度问题的分析处理，造成大量误差。

　　第五是统计分析中，由于变量选择、模型选择或检验准则设置不当，造成的伪回归、自相关、以及多重共线性等问题。这些问题若缺乏合理处理，土地变化驱动机制分析的结果则可能毫无意义。

　　Hersperger等人认为土地变化的驱动机制至少应该包括4种模式，除传统的“驱动因子—变化结果”模式外，还应包括考虑主体决策因素在内的其他模式。这4种模式各有特点，选择哪种模式进行土地变化驱动机制分析需根据研究内容与目的具体考虑。农业土地系统中，农户是决定农业土地利用方式的直接主体，其决策行为受自身因素与外部环境的共同影响，且最终作用于土地利用格局。由于不同决策主体具有不同的自治性、学习性、适应性等特征，主体间的土地利用行为也将呈现显著的差异性、动态性和相关性。

　　农业ABM/LUCC为土地变化驱动机制分析提供了一种可行的解决思路:驱动因子的作用对象不再直接是土地利用空间单元(地)，而是土地利用的决策主体(人)，可通过研究农户行为对驱动因子的响应进而模拟土地利用空间格局变化。这种假设在一定程度上能够更为科学合理的解释农业土地变化的原因和过程，此外还可以更好的表达土地系统的“人类-自然”综合复杂关系。

　影响与适应是全球变化研究的两大核心内容。对于农业系统而言，土地利用与覆被变化既可被当成是全球变化的主要组成部分之一，其与气候变化、社会经济等因素共同对农业结构、布局产出等造成影响;但同时，由于人类活动或其他干预因素的存在，农业土地变化又可被视为人类适应全球变化的动态响应，而这恰恰被传统研究思路所忽视。例如，近年来我国东北地区水稻种植面积的扩张并不单纯由气候变暖引起，其中农户适应行为的贡献可能更大。农户适应行为具体指农户在应对自然(或社会经济)环境变化时做出的Fig．2Fourconceptualmodelsforlinkinglandchange(C)withdrivingforces(DF)andactors(A)inlandchangestudies修改，其中DF表示驱动因子，A表示决策者，C表示变化结果，DF-C模式不考虑主体的决策行为，驱动因子直接作用于土地变化过程;DF-A-C模式主要考虑驱动因子作用效果的转换过程，即驱动因子通过影响主体决策行为进而作用于土地变化;DFA-C模式主要考虑驱动因子与主体决策者之间的相互影响;A-C模式重点突出主体决策者的作用图3土地变化驱动机制分析的静态模式与动态模式Fig．3Static(A)anddynamicresearchframework(B)forlandchangestudies修改，静态模式(A)中驱动因子与土地变化结果静态分离，驱动因子引起土地变化;动态模式(B)中，农业土地利用时空格局变化既是全球变化的组成部分，又是人类适应全球变化的动态响应，人类适应行为是土地系统内生反馈机制，其使得驱动因子与土地变化结果之间形成动态闭合环路

　　经营策略调整，以最大限度的满足自身需求。农户适应行为可被视为驱动因子与土地变化结果间的关键内生反馈，原因在于农户往往会以最近的土地系统状态作为其下一步适应决策的基础，这就显著的改变了初始驱动因子的作用效果，使得驱动因子与变化结果之间形成了动态的闭合环路。简而言之，t0时刻的土地系统状态可能是t1时刻土地变化的驱动因子，通过影响农户决策行为再次作用于农业土地变化过程。

　　基于地理空间单元的驱动机制分析能很好的模拟土地利用空间格局的变化，但缺乏时间动态特征;ABM与其他研究方法的根本不同在于ABM能够充分表达系统内部的反馈作用，因此基于ABM的驱动机制分析能合理的表达系统变化的时间动态过程，二者正好相互补充。如果将基于ABM与基于地理空间单元的驱动机制分析相结合研究农业土地系统的变化过程，则可能更加科学合理的表达农业土地变化的时空动态特征。

　　此外，基于农户个体决策行为的农业ABM/LUCC研究，不仅能够从宏观—微观相结合的角度动态的解释土地变化的驱动机制，而且还能有效的避免社会经济数据空间化、空间尺度效应、统计方法应用不当等问题，为传统土地变化驱动机制分析提供有效的方法补充。

　　4、建模方法:表达农户决策过程

　　农业ABM/LUCC模型一般由表达空间要素的CA与表达主体行为的ABM组成。其中，农户或者个体农民一般被定义成主体，主体与地块之间存在较为固定的空间对应关系(同一主体可拥有多个地块，但非同一地块可归属多个主体)，主体的行为对该地块的土地利用方式具有决定性作用。主体之间的异质性导致他们决策行为的多样化，而人类行为的决定性以及“主体—地块”的对应性导致地块的土地利用方式亦呈多样化态势。农业ABM/LUCC即是通过模拟主体结构或决策行为的变化，表达这些变化过程对宏观层面土地利用方式与格局的影响。具体而言，主体结构变化包括人口增长、迁徙等;而决策行为变化包括定居选择、生计选择、毁林造田、土地配置、投资及市场、权属变更、农作物选择等。虽然农业ABM/LUCC建模方法多样，没有统一的建模标准，建模者可根据不同的研究目的来构建模型，具有较强的主观性;但是，诸多农业ABM/LUCC均将如何科学表达农户决策过程作为其建模的核心。

　　较早关于农业ABM/LUCC的研究见于Balmann在1997年开发的一个基于Agent的线性规划模型，该模型分析了不同政策下农场间的竞争关系以及由此引起的农业土地变化。受此启发，Berger设计了一个类似的最优模型研究异质农户间的土地利用行为选择问题，包括农户如何选择应用新技术，及如何参与土地市场活动等。多年来，这两个基础模型不断地得到改进与发展。Balmann与Happe等人将前者开发成了更接近经济模型的AgriPoliS;而Berger与Schreinemachers等人集成了大量内生的生物物理模块，将后者设计成了MP-MAS。AgriPoliS与MP-MAS均成功的在多个研究区域模拟了未来农业土地变化的情景，为政府进行决策和制订相关农业/土地政策提供了很好的支持。Polhill等人在其开发的FEARLUS模型中应用了启发式模仿与改进的算法表达决策过程，这种方法突出体现了决策过程中主体之间的相互作用与影响，在后续研究中，FEARLUS不断将自然、社会经济、政策、以及偏好等因整合进初始研究框架，模型表达更加真实。Evans等人较早利用一个效用模型模拟了农户土地利用行为的动态变化过程以及其对应的地块尺度的土地利用变化，在后续的研究中，他们又将移民潮、人口变动等因素整合进来，并完整的模拟了历史时期的毁林造田—弃田再生林过程。同样以毁林造田为研究对象，Deadman等人使用启发式与决策树相结合的方法表达决策过程;而Manson认为农户在决策过程中仅表现出有限理性，即“最优选择”并不一定是农户的“最终选择”，因此，他在模型中加入了演化算法以更加真实的表达农户决策过程。Matthews在表达决策时实现了静态与动态的结合，即初始状态下，农户决策行为由初始参数决定;而当模型运转之后，决策就由上一时刻的模拟结果决定。Valbuena等人使用了一个较为简单的概率方法来表达农户决策，但这一方法基于了细致的农户分类研究，他们认为农户类型与决策行为之间存在一定的对应关系。Mena等人同样应用了概率方法，但与Valbuena等人的方法不同，其将农户的经营策略以特定比例行为限定为“最大收益”、“模仿”、“随机”3种，而这3种经营策略下又分别对应具体的土地利用决策行为。Becu等人、Ziervogel等人均应用了参与式模拟或角色扮演的方法定性表达农户的决策意向，是传统经验研究方法的重要补充。

　　此外，一些农业ABM/LUCC还应用了多种方的集成。如，Gaube等人开发的SERD模型中集成了决策树与概率判定的方法;Castella等人将启发式方法和参与式模拟相结合;而Le等人的LUDAS模型中集成了有限理性理论、最大效用模型、空间多项式Logistic回归以及启发式算法等多种方法。这些农业ABM/LUCC模型在如何表达农户决策方面进行了诸多探索，为模型应用、改进以及新模型设计提供了有益的参考。

　　5、跨学科应用:整合“人类-自然”综合研究

　　ABM与LUCC模型的结合，为研究土地系统动态变化提供了很好的解决思路。然而，复杂系统理论的意义远不仅限于研究“微观主体活动—宏观系统状态”，还需考虑多重反馈机制、系统综合效应等多方面问题。

　　对农业土地系统而言，系统反馈与综合效应包括:人类活动与生态安全的对立、人口膨胀与粮食安全的对立、全球环境变化与可持续发展的对立等一系列重大问题。为此，基于ABM/LUCC开展多尺度、多维度研究意义重大。早期的ABM/LUCC一般将人类行为与地块特征简单等同一致，而最近一些综合模型将Agent行为过程(或结构动态过程)与土地变化过程相独立，并通过生物物理机制或经济学机理进行结合。具体的，这些研究尝试将ABM模块、LUCC模块以及其他模型模块互相嵌套，发展多尺度、多层次的综合模型，用以研究土地系统变化的过程、原因、结果及综合效应。如AgriPoliS与SERD将ABM/LUCC与碳氮循环模型进行整合，研究土地变化的生态效应;而MP-MAS与FEARLUS将ABM/LUCC与生物物理模型进行整合，研究农业土地系统的综合产出;此外一些城市—农田配置模型将CA与ABM结合，并将效益分析、情景分析等方法整合在内，为政策评价提供了更为可靠的依据。

　　农业ABM/LUCC不仅能够增进人们对农业土地系统复杂性及其时空动态性的理解，还能更加紧密的耦合农业土地系统与其他系统的响应关系，从而更好的整合“人类-自然”综合研究。例如，农作物时空格局是一个地区或生产单位作物种植结构、熟制与种植方式的表达，反映了人类农业生产在空间范围内利用农业生产资源的状况，是人类根据当前的自然环境条件、以及经济政策条件等进行作物结构调整和优化的依据。农作6期余强毅等:Agent农业土地变化模型研究进展AgriPoliSHappe等农业生产与投入、土地配置线性规划模型2011/多个区域MP-MASSchreinemachers等农业生产与投入、资源利用最优模型2011/多个区域—Mena等毁林、农业扩张、定居选择概率方法2011/厄瓜多尔FEARLUSPolhill等土地利用方式、土地市场启发式模仿与改进的算法2010/多个区域ILLUMMiller等生存方式选择最大效用函数2010/厄瓜多尔LUDASLe等农业生产与投入、资源利用有限理性理论、启发式方法2010/越南—Valbuena等农业经营方式概率方法、农户分类2010/荷兰RegMASLobianco农业经营方式线性规划模型2010/意大利LUC-ASM黄河清等农业经营方式农户分类2010/中国—陈海等作物选择农户分类、BDI决策法2010/中国SERDGaube等农业经营方式决策树、概率判定2009/奥地利—Bakker等造林、弃耕、恢复性耕作Logistic回归、农户分类2009/葡萄牙LUCIMEvans等毁林造田、弃田再生林最大效用函数2008/美国CATCHSCAPEBecu等作物选择、劳动力投入启发式方法、参与式模拟2008/泰国—Entwisle等定居选择、作物选择二项Logistic回归2008/泰国—Acosta-Michlik等全球变化农业经营适应行为行为模型2008/菲律宾HELIAManson毁林造田、土地配置效用函数、有限理性理论2007/墨西哥PALMMatthews畜牧业、作物选择两阶段决策树法2006/尼泊尔MameLukeHuigen等定居选择启发式方法2006/菲律宾—Jepsen等轮作耕种离散选择模型2006/越南SAMBACastella等毁林、土地配置、土地流转启发式方法、参与式模拟2005/越南ABSSZiervogel等基于气候预报的作物选择角色扮演方法2005/莱索托LUCITADeadman等农业生产与投入、资源利用启发式方法、决策树2004/巴西图4农业ABM/LUCC在“人类-自然”综合研究中的关键作用Fig．4Linkingagriculturallandchangeassessmentsforintegratedhuman-naturalstudies

　物时空格局变化是自然科学领域与社会科学领域共同关注的热点问题，实现对其模拟与表达意义重大。一方面，农作物分布格局以及种植方式变化等因素会显著的改变这一区域的生物多样性与农田碳氮循环过程，这是全球气候和环境变化的热点问题;另一方面，农作物时空格局变化与农田碳氮循环过程又会共同作用于粮食生产，从而影响区域粮食安全状况。目前，传统土地变化模型只关注土地利用类型变化(即耕地、林地、建设用地之间的转换)，很难表达农作物时空格局动态过程。农业ABM/LUCC能够很好的表达这一动态过程，进而继续整合“人类-自然”综合研究。具体的:(1)通过表达自然因素和社会经济因素对农户土地利用行为的作用，进而模拟农作物时空格局变化。(2)在此基础上分别继续嵌套农田碳氮模型或作物产量模型，实现区域生态/粮食安全评价，并模拟得到下一时刻自然—社会经济综合情景。(3)自然—社会经济综合情景会衍生新的自然环境约束条件、政策管理措施等，这些因素继续影响农户行为，形成“人类-自然”系统内部闭合反馈机制，从而实现农户行为—农作物时空格局—综合情景—农户行为的动态模拟过程。

　　6、结语

　　近年来，农业ABM/LUCC极大的推动了农业土地变化研究的发展。尤其是，其将微观层面的人类个体行为整合进了传统的基于自然科学研究方法的土地变化研究框架，这有助于更加清楚的认识农业土地系统“人类-自然”综合复杂性的生成和演化机制，同时有助于搭建自然科学和社会科学的交叉融合平台，为整合“人类-自然”综合研究提供了可能。此外，通过研究农户对自然因素与社会因素变化的综合动态适应结果分析农业土地变化的驱动机制，进而表达农业土地利用格局的动态变化过程与内生反馈机制，不论在理论上还是在方法上均有一定的新颖性，是将土地变化研究推向景观动态研究的一种可能手段。

　　然而，当前农业ABM/LUCC研究仍旧面临诸多难点和挑战。其中最为普遍的问题就是重视ABM/LUCC模型的应用而忽视对“人类-自然”系统综合复杂性的理论探讨。农业ABM/LUCC研究需要在复杂性科学及相关理论的指导下，继续加强自身理论体系建设，为模型与方法的应用提供有力的理论支撑。农业ABM/LUCC模型设计较为随意，模型间差异太大，不利于跨区域比较研究的开展。对此，一些研究人员已经开始注意到ABM/LUCC模型标准化设计的重要性。如何科学表达农户决策始终是构建ABM/LUCC的核心内容，通过本文不难发现:“外部环境因素”通过农户“自身属性”决定其决策，而其中“最大效益”、“有限理性”、“启发学习”是影响农户决策的3个主要途径，这可以作为农业ABM/LUCC模型设计的重要参考。农业ABM/LUCC的构建需要详细的农户属性及行为数据为支撑，这极大的限制了其在大区域尺度及全球尺度下的应用，同时，农户行为的模拟结果也很难得到校验，如何有效地解决这些问题有待深入研究。