El modelado basado en agentes modela los sistemas como una interacción entre diferentes unidades o agentes. Un ejemplo sería algo como SimCity. En una revisión en Annals of Botany Revisión de Zhang y DeAngelis Modelado basado en agentes en el contexto de modelos funcionales-estructurales de plantas. Al modelar una sola planta, los agentes son bloques de construcción o metámeros, que interactúan para construir la planta.

"ABM a nivel de población y comunidad tiene como objetivo predecir la población de plantas o la dinámica de la comunidad mediante el modelado de múltiples plantas individuales (agentes) que interactúan con su entorno y entre sí", escriben Zhang y DeAngelis. “Cada agente tiene un conjunto de variables de estado, que pueden incluir edad, tamaño, condición y ubicación espacial, así como adaptaciones, que pueden incluir tanto rasgos fisiológicos como de comportamiento. Esto es fundamental porque los rasgos de las plantas juegan un papel crucial en la ecología de las plantas al determinar el éxito o el fracaso de las especies en un entorno determinado. Estos rasgos gobiernan el crecimiento, la reproducción, la dispersión, la asignación de nutrientes y energía y la mortalidad de un individuo en relación con los factores ambientales”.

Imagen: Canva.

“Los rasgos pueden variar entre los individuos debido a la variación genética, pero también pueden cambiar con el tiempo debido a la ontogenia y la plasticidad. Los ABM difieren de los modelos de estructura de tamaño de población de ecuación diferencial (DE) y modelo de matriz (MM), en los que se impone una descripción de arriba hacia abajo en las poblaciones a través de parámetros a nivel de población (es decir, tasas de natalidad y mortalidad a nivel de población). Los ABM son modelos ascendentes en los que los comportamientos a nivel de población surgen de las interacciones que los individuos autónomos tienen entre sí y con su entorno. El número de atributos a nivel individual que un individuo puede tener en un ABM es prácticamente ilimitado, en contraste con los modelos de poblaciones DE o MM, en los que es difícil incluir más de unos pocos atributos”.

Zhang y DeAngelis brindan ejemplos de aplicaciones para modelos basados ​​en agentes de cultivos intercalados, invasiones de plantas, control de malezas y efectos del cambio climático, entre otros ejemplos.

“En conjunto, los ABM de planta cubren una amplia gama de estilos, niveles de detalle y aplicaciones, por lo que no hay una manera fácil de clasificarlos a lo largo de una pequeña cantidad de ejes. Sin embargo, todos los ABM se pueden ver en términos de dos escalas espaciales, su escala de resolución espacial y la escala de extensión espacial”. escriben Zhang y De Angelis.

Zhang y DeAngelis destacan las direcciones futuras para el modelado basado en agentes. El aumento de la disponibilidad de datos a nivel de planta, así como una mayor potencia computacional, podrían brindar oportunidades a muy pequeña escala, al integrar microbios y expandirse para modelar mejor los cambios a nivel de paisaje. “También es crucial integrar la biodiversidad y el ecosistema en la ecología vegetal”, concluyen Zhang y DeAngelis. "Como se indica en Grimm et al. (2017), los científicos de la próxima generación deberían incluir el enfoque basado en el individuo en su conjunto de herramientas y centrarse en abordar los sistemas reales mediante el desarrollo de teorías para los comportamientos individuales lo suficientemente detalladas como para reproducir y explicar los patrones observados a nivel del sistema. Si algunas o todas estas tendencias pueden acelerarse, la próxima década en la planta ABM será muy emocionante”.