Agentenbasierte Modellierung modelliert Systeme als Interaktion zwischen verschiedenen Einheiten oder Agenten. Ein Beispiel wäre so etwas wie SimCity. In einer Rezension in Annals of Botany Rezension von Zhang und DeAngelis Agentenbasierte Modellierung im Kontext funktional-struktureller Anlagenmodelle. Bei der Modellierung einer einzelnen Anlage sind die Agenten Bausteine ​​bzw Metamere, die zusammenwirken, um die Anlage zu bauen.

„ABM auf Populations- und Gemeinschaftsebene zielt darauf ab, die Pflanzenpopulations- oder Gemeinschaftsdynamik vorherzusagen, indem mehrere einzelne Pflanzen (Agenten) modelliert werden, die mit ihrer Umgebung und untereinander interagieren“, schreiben Zhang und DeAngelis. „Jeder Agent hat eine Reihe von Zustandsvariablen, die Alter, Größe, Zustand und räumliche Lage sowie Anpassungen umfassen können, die sowohl physiologische Merkmale als auch Verhaltensmerkmale umfassen können. Dies ist von entscheidender Bedeutung, da Pflanzenmerkmale in der Pflanzenökologie eine entscheidende Rolle spielen, indem sie den Erfolg oder Misserfolg von Arten in einer bestimmten Umgebung bestimmen. Diese Merkmale bestimmen das Wachstum, die Fortpflanzung, die Ausbreitung, die Verteilung von Nährstoffen und Energie sowie die Sterblichkeit eines Individuums in Bezug auf Umweltfaktoren.“

Bild: canva.

„Eigenschaften können aufgrund genetischer Variationen zwischen den Individuen variieren, können sich aber auch aufgrund von Ontogenese und Plastizität im Laufe der Zeit ändern. ABMs unterscheiden sich von Differentialgleichungs-(DE)-Populations- und Matrixmodell-(MM)-Größenstrukturmodellen, in denen Populationen von oben nach unten durch Parameter auf Populationsebene (dh Geburts- und Sterberaten auf Populationsebene) beschrieben werden. ABMs sind Bottom-Up-Modelle, bei denen Verhaltensweisen auf Bevölkerungsebene aus den Interaktionen hervorgehen, die autonome Individuen untereinander und mit ihrer Umgebung haben. Die Anzahl der Attribute auf individueller Ebene, die ein Individuum in einem ABM haben kann, ist praktisch unbegrenzt, im Gegensatz zu DE- oder MM-Modellen von Populationen, in denen es umständlich ist, mehr als ein paar Attribute aufzunehmen.“

Zhang und DeAngelis liefern Anwendungsbeispiele für agentenbasierte Modelle unter anderem aus Pflanzenmischkulturen, Pflanzeninvasionen, Unkrautbekämpfung und Auswirkungen des Klimawandels.

„Insgesamt decken Pflanzen-ABMs eine große Bandbreite an Stilen, Detaillierungsgraden und Anwendungen ab, sodass es keine einfache Möglichkeit gibt, diese entlang einer kleinen Anzahl von Achsen zu sortieren. Alle ABMs können jedoch in Bezug auf zwei räumliche Skalen betrachtet werden, ihre Skala der räumlichen Auflösung und die Skala der räumlichen Ausdehnung.“ schreiben Zhang und De Angelis.

Zhang und DeAngelis zeigen zukünftige Richtungen für die agentenbasierte Modellierung auf. Die zunehmende Verfügbarkeit von Daten auf Pflanzenebene sowie eine erhöhte Rechenleistung könnten Möglichkeiten auf sehr kleinem Maßstab bieten, indem Mikroben integriert und auf Landschaftsebene auf bessere Modelländerungen ausgeweitet werden das Ökosystem in der Pflanzenökologie“, schließen Zhang und DeAngelis. "Wie angegeben in Grimm et al. (2017), sollten Wissenschaftler der nächsten Generation den individualbasierten Ansatz in ihr Toolkit aufnehmen und sich darauf konzentrieren, reale Systeme zu adressieren, indem sie eine Theorie für individuelle Verhaltensweisen entwickeln, die gerade detailliert genug ist, um auf Systemebene beobachtete Muster zu reproduzieren und zu erklären. Wenn einige oder alle dieser Trends beschleunigt werden können, wird das nächste Jahrzehnt im Werk ABM sehr spannend.“