魏杜娟 李丽

摘要：指出了农业生态系统是一个复杂的系统问题，在研究中需要考虑自然、社会、经济等多种因素，而传统的研究方法在复杂系统以及变化性研究中具有很大局限性，“多智能体”技术的引入与应用提供了解决途径，多智能体模拟平台的发展对研究也起着重要的作用。为此，对农业生态系统的传统研究方法的不足以及多智能体技术的应用做了归纳总结，提出了可改进之处，引入GAMA多智能体模拟平台，探讨了其对运用多智能体技术研究农业生态系统的促进作用。

关键词：农业生态系统;传统方法;多智能体;GAMA平台

中圈分类号：S181 文献标识码：A 文章编号：1674-9944（2019）20-0018-02

1农业生态系统传统研究方法及不足

农业生态系统是运用生态学及系统论的原理与方法，将农业生物与自然环境作为一个整体，研究他们的相互作用，以及社会经济环境对他们的调节控制作用，来达到农业生态系统的协调有效发展。对农业生态系统的研究从最初的只关注作物与气候、土壤等的关系，到之后的对农业资源、自然环境、社会环境作为整体研究，研究因素趋于完善化。研究方法则包括能值分析、生态足迹、神经网络模型等评价性分析方法，和运用模型进行研究。经阳等运用CA-Markov模型对佛山市生态用地演变进行模拟，运用AreGIS技术对遥感影像解译提取，得到要用到的土地基础数据，结合CA-Markov模型，得到佛山市生态用地情况及对未来的预测。评价性分析方法中有些自身理论存在缺陷，像能值分析、生态足迹等理论支持上有一定争议;CA-Markov模型结合了元胞自动机可实现空间、时间、状态上的可变化性及自我反应性，又利用马尔科夫模型原理可实现模型的随机变化性，可预测短时间内的某一方面的变化。但是元胞自动机模型本身就是规则简单、状态简单的模拟工具，自身存在很多局限性，马尔科夫模型对动态变化结果难以模拟，因此还存在很多可提高之处。

2基于多智能体的农业生态系统研究进展

在农业生态学领域，多智能体系统因其随周围环境自主变化性而在国内最初多用在农业监测、管理、决策平台上。于长立等基于多智能体系统构建了分布式数字农业管理平台，设置作物控制、农机、灌溉控制、施肥控制、通讯等一系列智能体，各智能体之间相互协作，完成农业过程管理，也有专家学者利用多智能体技术研究农业经济智能决策问题。多智能体技术在土地利用变化上也应用较多。符蓉等在探究某区域土地利用变化上设置政府、农户、企业、城镇居民智能体，并利用典型相关分析与Logistic回归分析来分析研究区土地利用变化影响因素，据此在平台程序中编码行为规则，通过Swarm2.2平台模拟研究出各类地土地利用变化趋势，且与实际情况比较达到73.35%的精度;常笑等利用多智能体系统来研究农户种植计划行为决策。国外也有较多专家学者利用多智能体研究土地利用，PepijnSchreinemachers等利用基于智能体的方法研究农业用地中土地利用决策;Quang Bao Le等在Netlogo平台上模拟研究农用地利用决策等。多智能体技术已经在农业生态领域得到了广泛的应用。

3GAMA对基于多智能体的农业生态系统研究的推进

3.1目前基于多智能体农业生态研究中的不足

研究方法已经从传统数学公式、动力学模型、简单动态模拟到基于多智能体的模拟研究，多智能体方法在研究中已经具有很多的优势性，但还存在以下一些不足之处。

3.1.1影响因素考虑不足

在传统研究方法中，数学模型、动力学模型随着研究发展，考虑因素也不断增加，但因每增加一个变量其公式复杂程度将远远增加，因此目前此种方法研究的因素考虑局限性还很大，而基于多智能体的研究中考虑因素虽然所有增加，但还存在很多对研究有较大影响的因素未考虑。

3.1.2仿真模拟平台处理能力不足

众多影响因素的考虑都需要编码成一定的程序语言来表达，进而借助平台处理完成结果。在研究生态系统问题时，要更全面考虑各种影响因素，势必要考虑到自然环境、社会经济等变量因子，而自然环境与社会经济方面所包含的具体影响因素属于不同的作用范畴，它们结合在一起形成一个影响因素的异构体，即变量的异构形式，而把这些因素综合编程到一块进行处理，需要非常强大的软件处理能力，而目前常用的Netlogo、Swarm、Repast等多智能体仿真平台在计算处理能力上极易遇到计算瓶颈，因此在影响因素的处理上即使研究人员思想考虑范围足够全面，在软件技术支持上也达不到。

3.1.3GIS数据支持的局限

对于生态问题建模研究，地理信息数据加载可以更好的结合当地实际地理数据，把GIS数据直接作为模擬环境得到更真实准确的地理空间环境信息。而目前的成熟建模仿真平台中，GIS数据的直接加载以及高级分析功能上都存在些许不足之处。

3.2GAMA简介

GAMA平台是一个基于多智能体的空间显式仿真建模平台，相较于其他多数建模软件运用的java语言，GAMA使用更直观简单的内建GAML语言，是让非计算机科学家更易编程建模的语言。因为GAMA基于Open Map和Repast等开源库，所以可以直接利用其可视化可操作性的优势，借助声明式用户界面，控制操作面板，形成2D、3D空间显式的模拟过程，进行空间直观多智能体模拟。异构变量的处理能力上做了进一步的提升。在GIS支持问题上，GAMA做了更大的提升，提供了其程序编辑的空间原语，支持多种形式的GIS格式，不用在研究过程中来回转换GIS数据格式，不仅减少了工作繁复性，也保持了GIS数据的原本准确性。

3.3GAMA在农业生态系统研究中的应用

目前国外专家学者利用GAMA这一基于代理的多智能体建模平台对这一领域进行了推进研究，他们运用GAMA加载GIS数据的优势，以及数百万的异构变量处理能力，让模拟结果更趋于现实情况。例如有学者以法国Adour-Garonne盆地为例，研究其土地利用和低水位战略管理问题，综合考虑生态时空因素（降水、温度变化、水流量、植物生长）与社会经济因素（农民决策过程，低水流量管理，人口统计，土地利用和土地覆盖变化）对作物轮作生长以及水位的影响，运用GAMA强大的集成开发环境和巨大的应用程序运作能力，并加载各项GIS数据，模拟出作物流域面积、主要灌溉（玉米）和雨育作物（小麦、向日葵、豌豆等）产量、流域出水口的水流等，以此来制定农民种植计划和低水位战略管理。Patrick Taillandier等在其《基于信念理论的新BDI代理体系结构：应用于种植计划决策的建模》一文中，运用新BDI架构构建两个作用实体一农民智能体和农田智能体，模拟两个流域的农民种植计划（景观面积：125×100 km²），运用GAMA平台进行仿真模拟，并比较了实际数据和实际数据中每种作物类型占用的田地面积百分比仿真结果，而两种数据之间5年的平均相似度达到了76.5%;Trong Khanh Nguyen等提出了基于代理的仿真PAMS新协作模式，借助GAMA平台可进行视频会议、及时消息传送等强大交互功能。这些研究提供了新的研究启示，不仅可以利用GAMA来完成复杂因素组成的研究项目，而且可以利用实时交互功能促进农业管理平台的进一步提高等。

4结语

农业生态系统的研究在不断完善，多智能体技术的发展应用为研究提供了新的思路与方法，而多智能体模拟平台的不断创新提高将促进研究结果的更好实现，是今后研究复杂系统性问题的较好途径与有利支撑。