Exploring aquaponics systems and greenhouse gas emissions: an agent-based model case study
Marissa Breitenstein · Elisabeth Bautista · Alexis Daniels 等 4 人
开发鱼菜共生系统智能体模型,模拟不同鱼、植物、气候和季节下的温室气体排放,用于教学。
基于智能体的建模(ABM),参数参考文献,输出随机性结果。
模型可交互展示鱼菜共生系统的温室气体排放,促进系统思维学习。
可扩展模型纳入更多环境与经济指标,或开发面向公众的在线交互平台。
该论文提出基于智能体的鱼菜共生教学模型,可模拟鱼类、植物、气候与季节变化并输出温室气体排放,方法新颖且具教育推广价值,但属细分领域学术成果,公共影响有限。
鱼菜共生(Aquaponics)是水产养殖(即水生物种的繁殖)与水培(即无土栽培植物)的结合,目前正被研究作为一种更可持续的粮食生产方式。在确保该技术本身持续改进的同时,利用系统思维方法向公众普及鱼菜共生知识同样重要。本研究采用基于主体的建模(Agent-based modeling)方法开发了一个鱼菜共生模型,使任何学生都能通过该系统的广义操作获得主动学习体验,同时探索系统思维原则。通过开发这一模型,有兴趣的学习者不再受限于其教育机构所能提供的条件——这些条件往往因资源匮乏而受到制约。本研究提出的鱼菜共生基于主体的模型允许用户更改鱼类和植物类型、气候和季节,并展示理论系统运行时的相应温室气体排放量。考虑到时间线、系统效率和一般人为误差的潜在变化,收获植物数量和温室气体排放总量是该模型的两个随机输出。温室气体排放量已与相关文献中报告的数据进行比较,以指导参数选择。该模型的总体目标是提供一种具有交互性且可广泛获取的教育机会。