Agent-based complex systems are dynamic networks of many interacting agents; examples include ecosystems, financial markets, and cities. The search for general principles underlying the internal organization of such systems often uses bottom-up simulation models such as cellular automata and agent-based models. No general framework for designing, testing, and analyzing bottom-up models has yet been established, but recent advances in ecological modeling have come together in a general strategy we call pattern-oriented modeling. This strategy provides a unifying framework for decoding the internal organization of agent-based complex systems and may lead toward unifying algorithmic theories of the relation between adaptive behavior and system complexity.

/pdf/pattern-oriented-modeling-of-agent-based-complex-systems-43ebw1z7y9.pdf

Pattern-oriented modeling of agent-based complex systems: lessons from ecology

Individual-based modeling is a new, exciting discipline that allows ecologists to explore, using computer simulations, how properties of populations and ecosystems might evolve from the characteristics and behaviors of individual organisms. Individual-based Modeling and Ecology, written by Volker Grimm and Steven F. Railsback, gives an excellent introduction and overview of this field. It should be read by everyone interested in individual-based modeling, and especially by anyone contemplating developing, or being involved with a group developing, an individualbased model.

http://www.gbv.de/dms/weimar/toc/396272002_toc.pdf

Individual-based modeling and ecology

Agent-based Models of Geographical Systems

http://www.sysecol2.ethz.ch/Refs/EntClim/S/Se083.pdf

Modelling natural disturbances in forest ecosystems: a review

Wood-decaying fungi are essential for the functioning of forest ecosystems. They provide habitat for many other organisms and enable the regeneration of forests throughout the world. Since wood decomposition is a decisive process in nutrient recycling, soil formation and the carbon budget of forest ecosystems, it is receiving increasing attention from forest ecologists, pathologists and managers. Research has focussed on the factors driving the species-richness of wood-decomposing organisms and is moving on to analyse the effects of this species-richness on ecosystem functioning. Coarse woody debris (CWD) and its associated wood-decaying organisms have been drastically reduced in abundance and diversity by forestry and so these features often have potential as conservation indicators. Protective measures at a landscape level are needed for threatened wood-inhabiting fungi. These include restricting salvage operations in windthrow stands, actively encouraging the accumulation of deadwood in forests, and facilitating decay in standing trees by inoculating them with fungi. Here, we aim to collect and summarize recently produced work on deadwood ecology, pointing out research gaps and perspectives.

/pdf/wood-decaying-fungi-in-the-forest-conservation-needs-and-26bgrg787r.pdf

Wood-decaying fungi in the forest: conservation needs and management options

Reconstructing spatiotemporal dynamics of Central European natural beech forests: the rule-based forest model BEFORE

Naturnahe Nutzung von Buchenwaldern erfordert detaillierte Kenntnis des ungenutzten, naturlichen Zustandes der Walder. So ist es nicht nur fur die Waldforschung, sondern gerade auch fur den Waldbau notwendig, den Urwaldzustand charakterisieren zu konnen. Das Simulationsmodell BEFORE bietet die Moglichkeit, einen fiktiven Buchenurwald uber lange Zeitraume hinweg auf verschiedenen raumlichen Skalen zu analysieren. Dabei erwies sich die bisher in der Forstwissenschaft ubliche Charkterisierung des Urwaldes durch die Flachenanteile der Entwicklungsstadien als unzureichend, da diese — bedingt durch Sturmstorungen — starken zeitlichen Schwankungen unterliegen. Zeitlich invariant und somit charakteristisch fur den hier untersuchten Modell-Urwald sind vielmehr: (1) Bezuglich der Altersverteilung die Differenzierung der Altersverteilung in den Kronenschichten schon auf kleinster Skala und die daraus folgende hohe Diversitat und charakteristische Altersverteilung auf groser Skala. (2) Bezuglich der Verteilung der „Riesen“ (Baume alter als 300 Jahre oder maximal grose Baume) im Wald der konstante mittlere minimale Abstand der Riesen untereinander von ca. 30 Metern und dass 80% aller Riesen in ca. 40 Meter Entfernung einen Nachbarn desselben Typs haben. Alle diese Charakteristiken sind — ab einer Mindestgrose von ca. 20 ha Innenflache — unabhangig von der Waldgrose.

Was charakterisiert Buchenurwälder? Untersuchungen der Altersstruktur des Kronendachs und der räumlichen Verteilung der Baumriesen in einem Modellwald mit Hilfe des Simulationsmodells BEFORE

Ziel der vorliegenden Arbeit ist es, mit Hilfe eines
Simulationsmodells das Totholzvorkommen eines generischen
Buchenurwaldes zu untersuchen, um typische Totholzwerte (Menge,
Verfugbarkeit und raumlicher Verteilung) zu ermitteln. Diese
Werte sollten konstant wahrend der Entwicklung des Waldes und
robust gegenuber kleinen Anderungen in den Rahmenbedingungen
sein. Da hier ein stark idealisierter (Modell-)Buchenurwald
untersucht wird, sind die Ergebnisse qualitativer Art: Wir
zeigen auf, dass einzelne Totholzgrosen auf Grund ihrer
Invarianz bei der Entwicklung eines Totholzkonzeptes hilfreich
sein konnten. Die tatsachlichen Referenzwerte zur Beschreibung
eines konkreten Waldzustandes mussen aber den standortlichen
Gegebenheiten angepasst werden. Das Buchenurwaldmodell BEFORE ist um das Totholzmodul CWD
(coarse woody debris) und eine Schatzung fur die Volumenwerte
der Kronendachbaume erweitert worden. Das Modell ist nur
sensitiv bezuglich derjenigen Volumenparameter, die gut aus der
Literatur abgeleitet werden konnen. Diejenigen Volumenwerte, die
nur relativ grob geschatzt werden konnten, haben keinen
wesentlichen Einfluss auf die Modellergebnisse; das Modell ist
robust gegenuber kleinen Anderungen in diesen
Schatzwerten. Die ubrigen Modellparameter des Totholzmoduls CWD
(Wahrscheinlichkeit fur Pilzbefall Wahrsch-Pilz und
Zersetzungsgeschwindigkeit Tot_age) haben ebenfalls nur geringen
Einfluss auf die zur Kalibrierung benutzte Zielgrose (mittleres
Bestandes-Volumen pro ha) und andere Werte wie das mittlere
Bestandes-Volumen in den einzelnen Stadien. Die Grosen, die nur
das Totholz betreffen, hangen hingegen stark vor allem von der
Zersetzungsgeschwindigkeit ab. Wegen des durch das Modell
vorgegebenen groben Zeitrasters lasst sich diese aber
hinreichend genau schatzen. Die Ergebnisse des Modells stimmen fur die
Standardparameter (Tab. 2) gut mit den empirischen Werten
uberein (Tab. 5, 6), die sich vor allem auf Volumenberechnungen
im gesamten Wald oder in den einzelnen Stadien beziehen oder das
stehende oder liegende Totholz beschreiben. Trotz der
Einfachheit von CWD konnen aussagekraftige Ergebnisse nicht nur
uber das Totholz, sondern auch zum Bestandes-Volumen abgeleitet
werden. Es lassen sich invariante Kenngrosen aufzeigen, d. h.
Kenngrosen, die wahrend des Entwicklungsprozesses im Wald (im
Modell: wahrend eines Simulationslaufes) und unter leicht
veranderten Rahmenbedingungen (im Modell: veranderte
Modellparameter) kaum schwanken. Diese Grosen beschreiben die
Anzahl, das Volumen und die raumliche Verteilung des stehenden
Totholzes. Das Gesamt-Totholzvolumen schwankt stark im
zeitlichen Verlauf. Die Schwankungen des Totholz- und
Lebend-Volumens zusammen erganzen sich allerdings so, dass das
mittlere Bestandesvolumen, sowohl bezogen auf die gesamte
Waldflache, als auch bezogen auf die einzelnen
Entwicklungsstadien, (fast) konstant ist. Ein moglicher Kompromiss zwischen Wirtschaftswald und
grosflachigen Referenzflachen ist die Ausweisung von
Urwaldinseln: Das Modell zeigt, dass schon ab einer (inneren)
Waldflache von 7,4 ha sich die fur Urwalder typischen invariante
Kenngrosen entwickeln und bis auf geringe Schwankungen trotz
teils starker Sturme uber den gesamten Beobachtungszeitraum von
3000 Jahren konstant erhalten bleiben.

Totholz im Buchen-Urwald: Generische Vorhersagen des Simulationsmodells BEFORECWD zur Menge, räumlichen Verteilung und Verfügbarkeit

Dead wood is an important element of forests both for biodiversity and ecosystem functions. Due to intensive silviculture, however, dead wood usually is strongly underrepresented in European forests. Forest reserves cannot fully compensate for this because they comprise only a small proportion of forested areas and are often isolated. Retaining a certain number of dead trees in managed forests is important, but may cause safety problems for lumbermen and visitors and still does not necessarily lead to an amount and incidence (i.e., probability of occurrence) of dead wood that might be required for many species and certain ecosystem functions. Our studies concentrate on a third and complimentary dead wood management strategy: dead wood islands, i.e. small unmanaged islands distributed throughout managed forests. As an example, we focus on European beech forests (Fagus sylvatica). An important question related to this strategy is: how do amount, quality, and incidence of dead wood depend on the island’s size? To provide an answer, we use the spatially explicit, rule-based simulation model BEFORE-CWD that was developed to analyse dead wood dynamics in natural beech forests. This model and its predecessor, BEFORE, are well-verified and validated. They reproduce a suite of observed patterns and generate valid secondary and independent predictions. We found that islands that are too small, i.e. smaller than 0.33 and 0.08 ha for standing and lying dead wood, respectively, can fail to provide dead wood for several decades. The shape of the islands has only a minor effect. Extreme storm events temporarily increase and then decrease the amount of standing dead wood. In terms of the amount and incidence of dead wood, it makes no difference if one big or several small islands are set aside from management, unless the islands are not too small. We conclude that even relatively small unmanaged islands within managed forests can reliably provide dead wood and therefore should be considered as a management option. Our results can be used, for example by using metapopulation models of species of interest, to develop management plans for creating networks of dead wood islands.

Christine Rademacher

Papers

Reconstructing spatiotemporal dynamics of Central European natural beech forests: the rule-based forest model BEFORE

Was charakterisiert Buchenurwälder? Untersuchungen der Altersstruktur des Kronendachs und der räumlichen Verteilung der Baumriesen in einem Modellwald mit Hilfe des Simulationsmodells BEFORE

Totholz im Buchen-Urwald: Generische Vorhersagen des Simulationsmodells BEFORECWD zur Menge, räumlichen Verteilung und Verfügbarkeit

Modelling dead wood islands in European beech forests: how much and how reliably would they provide dead wood?