基于经验农场数据的离子低排放肥料采纳的智能体建模：用于奶牛农场减排

要理解奶牛农业中复杂的系统动力学，必须使用能够捕捉农场异质性、社会互动以及累积环境影响的建模工具。本研究提出了一种智能体建模（ABM）框架，用于在15年期间模拟295个爱尔兰奶牛农场的氮素管理及低排放肥料的采纳。通过经验数据，该模型代表了通过社交网络进行的农场间的沟通，捕捉同伴影响和讨论小组动态，其中采纳概率由社会传染、农场规模特征以及诸如补贴和碳税等政策干预驱动。该框架利用蒙特卡洛模拟和灵敏度分析估算部门性温室气体排放、累积减排以及私人-社会成本权衡。该模型与观察到的采纳轨迹($R^2 = 0.979$, RMSE = 0.0274)高度吻合，并通过Kolmogorov-Smirnov检验(D = 0.2407, p < 0.001)验证于经验数据，表明其能够再现采纳行为中的结构模式。采用与罗杰斯创新扩散理论一致的 logistic 扩散模型进一步描述了采纳动力学，捕捉从早期采纳到约91%饱和水平的过程。通过将减排视为一种社会技术扩散过程而非纯粹的经济优化问题，本研究为评估气候减缓策略在实施前的鲁棒性和扩散速度提供了一个类比实验室。